久久久久久av无码免费网站,久久国产亚洲高清观看

內(nèi)容簡介

　　“智能”一詞是21世紀的熱門話題，是諸多學(xué)科研究和應(yīng)用的熱點。其涉及到的學(xué)科，包括電子科學(xué)與技術(shù)、信息與通信工程、計算機科學(xué)與技術(shù)、電氣工程、控制科學(xué)與技術(shù)等：其應(yīng)用領(lǐng)域則更加廣闊。本書從智能信息處理的產(chǎn)生背景和發(fā)展歷史、基本理論和方法、應(yīng)用以及研究現(xiàn)狀和發(fā)展趨勢等方面，介紹了模糊理論及其應(yīng)用、進化計算及其應(yīng)用、協(xié)同計算及其應(yīng)用、信息融合技術(shù)及其應(yīng)用、盲分離技術(shù)及其應(yīng)用、分形理論及其應(yīng)用、粗糙集合理論及其應(yīng)用和認知圖及其應(yīng)用等智能信息處理方法。本書可作為電子科學(xué)與技術(shù)、信息與通信工程、計算機科學(xué)與技術(shù)、電氣工程、控制科學(xué)與技術(shù)等專業(yè)的研究生、高年級本科生選修課程的教材和博士生有關(guān)“智能信息處理專題”的教材，同時可作為從事“智能信息處理”理論和應(yīng)用研究人員的參考書。前言當今社會，“智能”是一個十分時髦的詞，原先的許多名詞和動名詞之前均被加上了“智能”二字，如：智能小區(qū)、智能建筑、智能家居、智能空調(diào)、智能洗衣機，還有智能設(shè)計、智能制造、智能檢測、智能監(jiān)控、智能控制、智能交通等?！爸悄堋辈粩嗟禺a(chǎn)生新事物、新學(xué)科、新的研究熱點，同時“智能”還使舊事物富有靈氣、傳統(tǒng)學(xué)科煥發(fā)新的活力。人工智能（ArtificialIntelligence）就是通過對人類智力活動奧秘的探索與記憶思維機理的研究，來開發(fā)人類智力活動的潛能、探討用各種機器模擬人類智能的途徑，使人類的智能得以物化與延伸的一門學(xué)科。近年來，借鑒仿生學(xué)思想，基于生物體系的生物進化、細胞免疫、神經(jīng)細胞網(wǎng)絡(luò)等的某些機制，用數(shù)學(xué)語言的抽象描述，來模仿生物體系和人類的智能機制，產(chǎn)生了所謂的計算智能（COmputationalIntelligence，CI）。人類具有探索自然規(guī)律、了解未知世界、探索自身奧秘的內(nèi)動力；具有生存和提高生活質(zhì)量的需求。受這兩方面原動力的驅(qū)動，人類不斷地研究新的方法和技術(shù)，不斷地研制各種工具、儀器和機器，來延伸、拓展和增強自身的各種能力。各種工具、儀器和機器的制造增強了人的四肢和五官的能力，使人從繁重的體力勞動中解放出來。計算機的發(fā)明則增強了大腦的能力，拓展了人的記憶、計算、推理和思維能力。然而人類所面對的客觀世界是變化的、發(fā)展的，是浩瀚無垠的，人類的知識雖然在不斷豐富、不斷更新，但是相對客觀世界，始終是不完全的、不可靠的和不確定的。但人類正是用這不精確的、不完美的知識，不斷地、逐步地了解客觀世界的。人工智能、人工神經(jīng)網(wǎng)絡(luò)、進化計算、模糊系統(tǒng)理論等都是在人類現(xiàn)有認識的基礎(chǔ)上所產(chǎn)生的新的方法和理論，是人類進一步探索自然規(guī)律、了解未知世界、探索自身奧秘和提高生活質(zhì)量的工具。智能信息處理就是將不完全、不可靠、不精確、不一致和不確定的知識和信息逐步改變?yōu)橥耆?、可靠、精確、一致和確定的知識和信息的過程和方法。就是利用對不精確性、不確定性的容忍來達到問題的可處理性和魯棒性。智能信息處理涉及到信息科學(xué)的多個領(lǐng)域，是現(xiàn)代信號處理、人工神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)理論、進化計算，包括人工智能等理論和方法的綜合應(yīng)用。本書介紹了這些理論、方法和工具，是有關(guān)人工神經(jīng)網(wǎng)絡(luò)（本書不介紹這方面內(nèi)容，因為有關(guān)內(nèi)容已不在《人工神經(jīng)網(wǎng)絡(luò)原理及仿真實例》一書中作了詳細討論）、模糊理論及其應(yīng)用、進化計算及其應(yīng)用、協(xié)同計算及其應(yīng)用、信息融合技術(shù)及其應(yīng)用、盲分離技術(shù)及其應(yīng)用、分形理論及其應(yīng)用、粗糙集合理論及其應(yīng)用和認知圖及其應(yīng)用的綜述性讀物。本書是在合肥工業(yè)大學(xué)“圖像信息處理研究室”（http：//images．hfuLedu．cn）幾屆博士生和碩士生協(xié)助下完成的。其中第2章由安良和胡勇負責、第3章由孟玲玲和趙琴負責、第4章由董火明負責、第5章由胡良梅負責、第6章由胡學(xué)友和曹薇負責、第7章由甘龍以及趙晶和曹薇負責、第8章由謝昭和汪榮貴負責、第9章由駱祥峰和汪榮貴負責。本書是在國家自然科學(xué)青年基金項目、國家自然科學(xué)基金面上項目、安徽省自然科學(xué)基金項目、教育部高校骨干教師資助計劃項目和教育部優(yōu)秀青年教師資助計劃項目研究工作的基礎(chǔ)上完成的。為此，特向國家自然科學(xué)基金委員會、安徽省自然科學(xué)基金委員會和教育部表示衷心的感謝！在編寫本書的過程中，作者參考了大量的學(xué)術(shù)專著和論文，由于所參考的學(xué)術(shù)論文過多，無法一一標注和列出，對此特向這些文獻的作者表示歉意！向從事智能信息處理研究的前輩專家、老師和同仁表示由衷的敬意和感謝！“圖像信息處理研究室”是我事業(yè)的基石，所取得的點點滴滴成績都離不開圖像室同仁們的支持和幫助，在此向他們表示衷心感謝！本書可作為電子科學(xué)與技術(shù)、信息與通信工程、計算機科學(xué)與技術(shù)、電氣工程、控制科學(xué)與技術(shù)等專業(yè)研究生、高年級本科生選修課程的教材和博士生有關(guān)“智能信息處理專題”教材，同時對有關(guān)專業(yè)領(lǐng)域的研究人員和工程技術(shù)人員有重要的參考價值。由于本人水平有限，加上智能信息處理本身在不斷地豐富和發(fā)展，書中難免存在錯誤和不妥之處，對此，懇請廣大讀者批評指正。

作者簡介

暫缺《智能信息處理方法導(dǎo)論》作者簡介

圖書目錄

前言
第1章緒論
1. 1 智能
1. 2 人工智能
1. 2. 1 人工智能的定義
1. 2. 2 人工智能的三個關(guān)鍵部分
1. 2. 3 人工智能的發(fā)展簡史
1. 3 計算智能
1. 3. 1 計算智能的產(chǎn)生與發(fā)展
1. 3. 2 計算智能的重要特征
1. 4 智能信息處理方法導(dǎo)論
1. 4. 1 人工神經(jīng)網(wǎng)絡(luò)
1. 4. 2 模糊理論及其應(yīng)用
1. 4. 3 進化計算及其應(yīng)用
1. 4. 4 協(xié)同計算及其應(yīng)用
1. 4. 5 信息融合技術(shù)及其應(yīng)用
1. 4. 6 盲分離技術(shù)及其應(yīng)用
1. 4. 7 分形理論及其應(yīng)用
1. 4. 8 粗糙集合理論及其應(yīng)用
1. 4. 9 認知圖及其應(yīng)用
參考文獻
第2章模糊理論及其應(yīng)用
2. 1 引言
2. 2 模糊理論基礎(chǔ)
2. 2. 1 模糊集的基本概念及表示形式
2. 2. 2 模糊集合的基本運算
2. 2. 3 模糊關(guān)系及其合成
2. 2. 4 隸屬函數(shù)的確定方法
2. 3 模糊系統(tǒng)
2. 3. 1 模糊邏輯系統(tǒng)簡介
2. 3. 2 模糊邏輯系統(tǒng)的組成
2. 3. 3 幾種常見的模糊邏輯系統(tǒng)
2. 3. 4 模糊系統(tǒng)的應(yīng)用
2. 4 模糊神經(jīng)網(wǎng)絡(luò)
2. 4. 1 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的結(jié)合——神經(jīng)模糊技術(shù)
2. 4. 2 模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程
2. 4. 3 模糊神經(jīng)元
2. 4. 4 模糊神經(jīng)網(wǎng)絡(luò)的定義與類型
2. 4. 5 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的區(qū)別和聯(lián)系
2. 5 模糊理論的應(yīng)用
2. 5. 1 模糊聚類分析
2. 5. 2 模糊模式識別
2. 5. 3 模糊理論在圖像處理中的應(yīng)用
2. 5. 4 模糊控制
2. 6 模糊理論的研究現(xiàn)狀與發(fā)展趨勢
2. 6. 1 研究現(xiàn)狀
2. 6. 2 發(fā)展趨勢
參考文獻
第3章進化計算及應(yīng)用
3. 1 引言
3. 1. 1 進化計算的產(chǎn)生背景
3. 1. 2 進化計算的發(fā)展過程
3. 1. 3 進化計算的主要特點
3. 2 進化計算
3. 2. 1 進化計算的生物學(xué)基礎(chǔ)
3. 2. 2 進化計算的基本結(jié)構(gòu)
3. 2. 3 進化計算的分類
3. 3 遺傳算法基本理論
3. 3. 1 遺傳算法的基本思想
3. 3. 2 遺傳算法的基本結(jié)構(gòu)
3. 3. 3 基本遺傳算子
3. 3. 4 遺傳算法的數(shù)學(xué)基礎(chǔ)
3. 3. 5 遺傳規(guī)劃
3. 4 進化策略基本理論
3. 4. 1 進化策略的基本算法構(gòu)成
3. 4. 2 進化策略的數(shù)學(xué)基礎(chǔ)
3. 4. 3 進化策略的主要特點
3. 5 進化規(guī)劃基本理論
3. 5. 1 進化規(guī)劃的基本算法構(gòu)成
3. 5. 2 進化規(guī)劃的主要特點
3. 6 進化計算的研究現(xiàn)狀和發(fā)展趨勢
3. 6. 1 進化計算的研究現(xiàn)狀
3. 6. 2 進化計算的發(fā)展趨勢
3. 6. 3 網(wǎng)上進化計算的相關(guān)資源
參考文獻
第4章協(xié)同計算及其應(yīng)用
4. 1 引言
4. 2協(xié)同學(xué)簡介
4. 2. 1 協(xié)同學(xué)的基本思想
4. 2. 2 協(xié)同學(xué)的數(shù)學(xué)模型
4. 2. 3 協(xié)同學(xué)中的關(guān)鍵概念
4. 3 協(xié)同模式識別方法
4. 3. 1 模式識別的基本理論與方法
4. 3. 2 協(xié)同模式識別及其數(shù)學(xué)模型
4. 3. 3 協(xié)同識別的網(wǎng)絡(luò)實現(xiàn)——協(xié)同神經(jīng)網(wǎng)絡(luò)
4. 3. 4 協(xié)同識別中的關(guān)鍵概念
4. 3. 5 協(xié)同模式識別過程
4. 3. 6 協(xié)同識別中的關(guān)鍵技術(shù)
4. 3. 7 協(xié)同模式識別方法的優(yōu)點
4. 4 協(xié)同計算的應(yīng)用
4. 4. 1 模式識別中的應(yīng)用
4. 4. 2 圖像分析中的應(yīng)用
4. 4. 3 協(xié)同信息理論
4. 4. 4 協(xié)同聯(lián)想記憶
4. 4. 5 協(xié)同計算機視覺
4. 4. 6 其他應(yīng)用
4. 5 協(xié)同計算的研究現(xiàn)狀與發(fā)展趨勢
4. 5. 1 研究現(xiàn)狀
4. 5. 2 發(fā)展趨勢
參考文獻
第5章信息融合技術(shù)及其應(yīng)用
5. 1 引言
5. 2 信息融合的基本理論
5. 2. 1 信息融合的定義
5. 2. 2 信息融合的基本原理
5. 2. 3 信息融合的功能模型及相應(yīng)方法
5. 2. 4 信息融合的體系結(jié)構(gòu)
5. 2. 5 信息融合的層次結(jié)構(gòu)
5. 3 信息融合算法
5. 3. 1 物理模型類識別算法
5. 3. 2 基于特征的推理技術(shù)
5. 3. 3 認知模型類識別算法
5. 4 D-S證據(jù)理論
5. 4. 1 基本概念
5. 4. 2 結(jié)合多源信息的Dempster準則
5. 4. 3 基本概率賦值的獲取
5. 4. 4 D-S證據(jù)理論的優(yōu)缺點
5. 4. 5 D-S證據(jù)理論的應(yīng)用
5. 5 信息融合的應(yīng)用
5. 5. 1 軍事應(yīng)用
5. 5. 2 非軍事應(yīng)用
5. 6 信息融合的研究現(xiàn)狀與發(fā)展趨勢
5. 6. 1 研究現(xiàn)狀
5. 6. 2 發(fā)展趨勢
參考文獻
第6章盲信號分離及其應(yīng)用
6. 1 引言
6. 2 盲信號分離的基本理論
6. 2. 1 盲信號分離的數(shù)學(xué)建模
6. 2. 2 盲信號分離的可解性與獨立性分析
6. 2. 3 盲信號分離的目標函數(shù)
6. 2. 4 盲信號分離的優(yōu)化算法
6. 3 盲信號分離的典型算法
6. 3. 1 H-J算法
6. 3. 2 最大熵算法
6. 3. 3 最小互信息算法
6. 3. 4 最大似然算法
6. 3. 5 定點算法
6. 3. 6 非線性PCA算法
6. 3. 7 算法的統(tǒng)一性與相關(guān)性
6. 3. 8 盲反卷積算法和非線性盲分離算法概述
6. 4 盲信號分離的應(yīng)用
6. 4. 1 語音信號處理
6. 4. 2 生物醫(yī)學(xué)信號處理
6. 4. 3 金融數(shù)據(jù)分析
6. 4. 4 圖像處理
6. 4. 5 特征提取及其在人臉識別中的應(yīng)用
6. 4. 6 陣列信號處理以及在移動通信中的應(yīng)用
6. 5 盲信號分離的研究現(xiàn)狀與發(fā)展趨勢
6. 5. 1 盲信號分離的研究現(xiàn)狀
6. 5. 2 盲信號分離的發(fā)展趨勢
參考文獻
第7章分形理論及其應(yīng)用
7. 1 引言
7. 1. 1 分形理論的產(chǎn)生與發(fā)展
7. 1. 2 分形概念
7. 2 分形的基本理論
7. 2. 1 迭代函數(shù)系統(tǒng)
7. 2. 2 分數(shù)維
7. 2. 3 分形布朗運動
7. 2. 4 圖像分數(shù)維的提取
7. 3 分形理論的應(yīng)用
7. 3. 1 圖像分析與處理
7. 3. 2 L系統(tǒng)與植物模擬
7. 3. 3 雷達信號處理
7. 3. 4 語音識別
7. 3. 5 信息隱藏
7. 4 分形理論的研究現(xiàn)狀與發(fā)展趨勢
參考文獻
第8章粗糙集理論及其應(yīng)用
8. 1 引言
8. 2 粗糙集基本理論
8. 2. 1 基本概念
8. 2. 2 近似集的性質(zhì)
8. 2. 3 粗糙集信息處理方法及過程
8. 3 粗糙集應(yīng)用
8. 3. 1 醫(yī)療診斷系統(tǒng)
8. 3. 2 模式識別
8. 3. 3 機器人控制系統(tǒng)
8. 3. 4 其他應(yīng)用
8. 3. 5 粗糙集實驗系統(tǒng)
8. 4 粗糙集理論的研究現(xiàn)狀與發(fā)展趨勢
8. 4. 1 粗糙集的研究現(xiàn)狀概述
8. 4. 2 粗糙集的發(fā)展前景
參考文獻
第9章認知圖及其應(yīng)用
9. 1 引言
9. 2 古典認知圖與模糊認知圖
9. 2. 1 古典認知圖
9. 2. 2 模糊認知圖
9. 3 概率模糊認知圖
9. 3. 1 概率模糊認知圖
9. 3. 2 PFCM的性質(zhì)
9. 3. 3 試驗結(jié)果
9. 4 基于知識庫的信任模糊認知圖
9. 4. 1 模糊認知圖與基于規(guī)則的模糊認知圖
9. 4. 2 基于知識庫的信任模糊認知圖
9. 4. 3 實驗結(jié)果與分析
9. 5 基于模糊認知圖的機器人高層規(guī)劃
9. 5. 1 基于認知圖的機器人高層規(guī)劃
9. 5. 2 機器人在含障礙物環(huán)境中的高層規(guī)劃
9. 5. 3 機器人在復(fù)雜環(huán)境中的高層規(guī)劃
9. 5. 4 機器人在復(fù)雜環(huán)境中的合作與協(xié)調(diào)
9. 5. 5 實驗結(jié)果
9. 6 認知圖的發(fā)展趨勢與研究現(xiàn)狀
9. 6. 1 認知圖的發(fā)展簡史
9. 6. 2 認知圖的研究現(xiàn)狀
9. 6. 3 認知圖各主要模型的比較
9. 6. 4 認知圖的發(fā)展趨勢
參考文獻
附錄中英文關(guān)鍵詞對照