用外积和法设计的权矩阵，不能保证p对模式全部正确的联想。若对记忆模式对加以限制（即要求p个记忆模式Xk是两两正交的），则用外积和法设计的BAM网具有较好的联想能力。 在难以保证要识别的样本（或记忆模式）是正交的情况下，如何求权矩阵，并保证具有较好的联想能力？这个问题在用BAM网络实现对字符的识别程序仿真中得到体现。我们做过尝试，用伪逆法求权矩阵，虽然能对未加干扰的字符全部进行识别，但对加有噪声的字符识别效果很差。至于采用改变结构和其他算法的方法来求权矩阵，将是下一步要做的工作。-foreign

有源码，适合学习C++的人 一、 读入一幅灰度图象，编写程序显示图象中任一象素点的灰度值。 二、 编程实现RGB彩色空间到HSV彩色空间的转换，并通过调整H、S、V的值实现图像亮度、色度和色饱和度的调节。 三、 1.灰度线性变换、分段线性变换 2.灰度直方图均衡、规格化 3.图象卷积：各种模板实现低通、高通滤波 4.图象中值滤波、最大值滤波、最小值滤波、模板选择滤波 5.伪彩色图象增强 四、 1.图象的加、减、乘、除和逻辑运算。 2.图象的镜像变换、图象的缩放