智能信息处理方法导论【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

智能信息处理方法导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1.1 智能1

第1章 绪论1

1.2人工智能2

1.2.1人工智能的定义2

1.2.2人工智能的三个关键部分2

1.2.3人工智能的发展简史3

1.3计算智能6

1.3.1计算智能的产生与发展7

1.3.2计算智能的重要特征8

1.4智能信息处理方法导论11

1.4.1人工神经网络11

1.4.2模糊理论及其应用12

1.4.4协同计算及其应用13

1.4.3进化计算及其应用13

1.4.5信息融合技术及其应用14

1.4.6盲分离技术及其应用14

1.4.7分形理论及其应用15

1.4.8粗糙集合理论及其应用16

1.4.9认知图及其应用16

参考文献17

第2章 模糊理论及其应用20

2.1 引言20

2.2模糊理论基础21

2.2.1模糊集的基本概念及表示形式21

2.2.2模糊集合的基本运算23

2.2.4隶属函数的确定方法25

2.2.3模糊关系及其合成25

2.3.1模糊逻辑系统简介26

2.3模糊系统26

2.3.2模糊逻辑系统的组成28

2.3.3 几种常见的模糊逻辑系统31

2.3.4模糊系统的应用32

2.4模糊神经网络33

2.4.1模糊系统和神经网络的结合——神经模糊技术33

2.4.2模糊神经网络的发展历程34

2.4.3模糊神经元35

2.4.4模糊神经网络的定义与类型37

2.4.5模糊系统和神经网络的区别和联系38

2.5.1模糊聚类分析39

2.5模糊理论的应用39

2.5.2模糊模式识别42

2.5.3模糊理论在图像处理中的应用43

2.5.4模糊控制46

2.6模糊理论的研究现状与发展趋势50

2.6.1研究现状50

2.6.2发展趋势52

参考文献53

第3章 进化计算及应用65

3.1引言65

3.1.1进化计算的产生背景65

3.1.2进化计算的发展过程65

3.1.3进化计算的主要特点67

3.2进化计算68

3.2.1进化计算的生物学基础68

3.2.2进化计算的基本结构69

3.2.3进化计算的分类70

3.3遗传算法基本理论70

3.3.1遗传算法的基本思想70

3.3.2遗传算法的基本结构71

3.3.3基本遗传算子76

3.3.4遗传算法的数学基础83

3.3.5遗传规划85

3.4进化策略基本理论87

3.4.1进化策略的基本算法构成87

3.4.2进化策略的数学基础89

3.4.3进化策略的主要特点90

3.5进化规划基本理论91

3.5.1进化规划的基本算法构成91

3.5.2进化规划的主要特点92

3.6进化计算的研究现状和发展趋势93

3.6.1进化计算的研究现状93

3.6.2进化计算的发展趋势97

3.6.3网上进化计算的相关资源99

参考文献99

第4章 协同计算及其应用108

4.1引言108

4.2协同学简介110

4.2.1协同学的基本思想111

4.2.2协同学的数学模型113

4.2.3协同学中的关键概念114

4.3协同模式识别方法116

4.3.1模式识别的基本理论与方法117

4.3.2协同模式识别及其数学模型118

4.3.3协同识别的网络实现——协同神经网络120

4.3.4协同识别中的关键概念122

4.3.5协同模式识别过程124

4.3.6协同识别中的关键技术126

4.3.7协同模式识别方法的优点130

4.4协同计算的应用130

4.4.1模式识别中的应用131

4.4.2图像分析中的应用132

4.4.3协同信息理论133

4.4.4协同联想记忆134

4.4.5协同计算机视觉135

4.4.6其他应用135

4.5协同计算的研究现状与发展趋势135

4.5.1研究现状135

4.5.2发展趋势136

参考文献138

第5章 信息融合技术及其应用144

5.1 引言144

5.2信息融合的基本理论145

5.2.1信息融合的定义145

5.2.2信息融合的基本原理146

5.2.3信息融合的功能模型及相应方法147

5.2.4信息融合的体系结构150

5.2.5信息融合的层次结构153

5.3信息融合算法156

5.3.1物理模型类识别算法157

5.3.2基于特征的推理技术157

5.3.3认知模型类识别算法159

5.4 D-S证据理论160

5.4.1基本概念160

5.4.2结合多源信息的Dempster准则162

5.4.3基本概率赋值的获取163

5.4.4 D-S证据理论的优缺点165

5.5.1军事应用166

5.5信息融合的应用166

5.4.5 D-S证据理论的应用166

5.5.2非军事应用167

5.6信息融合的研究现状与发展趋势172

5.6.1研究现状172

5.6.2发展趋势174

参考文献175

第6章 盲信号分离及其应用181

6.1 引言181

6.2盲信号分离的基本理论182

6.2.1盲信号分离的数学建模182

6.2.2盲信号分离的可解性与独立性分析183

6.2.3盲信号分离的目标函数185

6.2.4盲信号分离的优化算法191

6.3.1 H-J算法192

6.3盲信号分离的典型算法192

6.3.2最大熵算法194

6.3.3最小互信息算法196

6.3.4最大似然算法197

6.3.5定点算法198

6.3.6非线性PCA算法199

6.3.7算法的统一性与相关性199

6.3.8盲反卷积算法和非线性盲分离算法概述200

6.4盲信号分离的应用201

6.4.1语音信号处理201

6.4.2生物医学信号处理201

6.4.5特征提取及其在人脸识别中的应用202

6.4.3金融数据分析202

6.4.4图像处理202

6.4.6阵列信号处理以及在移动通信中的应用203

6.5盲信号分离的研究现状与发展趋势203

6.5.1盲信号分离的研究现状203

6.5.2盲信号分离的发展趋势205

参考文献206

第7章 分形理论及其应用213

7.1引言213

7.1.1分形理论的产生与发展213

7.1.2分形概念214

7.2分形的基本理论218

7.2.1迭代函数系统218

7.2.2分数维223

7.2.3分形布朗运动229

7.2.4图像分数维的提取231

7.3分形理论的应用235

7.3.1图像分析与处理235

7.3.2 L系统与植物模拟244

7.3.3雷达信号处理246

7.3.4语音识别247

7.3.5信息隐藏247

7.4分形理论的研究现状与发展趋势248

参考文献249

第8章 粗糙集理论及其应用254

8.1引言254

8.2.1基本概念255

8.2粗糙集基本理论255

8.2.2近似集的性质258

8.2.3粗糙集信息处理方法及过程260

8.3粗糙集应用270

8.3.1医疗诊断系统270

8.3.2模式识别271

8.3.3机器人控制系统273

8.3.4其他应用274

8.3.5粗糙集实验系统275

8.4粗糙集理论的研究现状与发展趋势276

8.4.1粗糙集的研究现状概述276

8.4.2粗糙集的发展前景280

参考文献281

第9章 认知图及其应用285

9.1引言285

9.2古典认知图与模糊认知图285

9.2.1古典认知图285

9.2.2模糊认知图286

9.3概率模糊认知图288

9.3.1概率模糊认知图288

9.3.2 PFCM的性质290

9.3.3试验结果291

9.4基于知识库的信任模糊认知图293

9.4.1模糊认知图与基于规则的模糊认知图294

9.4.2基于知识库的信任模糊认知图295

9.4.3实验结果与分析297

9.5基于模糊认知图的机器人高层规划299

9.5.1基于认知图的机器人高层规划300

9.5.2机器人在含障碍物环境中的高层规划300

9.5.3机器人在复杂环境中的高层规划302

9.5.4机器人在复杂环境中的合作与协调303

9.5.5实验结果304

9.6认知图的发展趋势与研究现状305

9.6.1认知图的发展简史305

9.6.2认知图的研究现状306

9.6.3认知图各主要模型的比较310

9.6.4认知图的发展趋势310

参考文献311

附录 中英文关键词对照315