現(xiàn)代智能信息處理實(shí)踐方法

1 緒論
1.1 測(cè)試系統(tǒng)的信號(hào)獲取
1.2 數(shù)據(jù)信息融合
1.2.1 信息融合的定義及應(yīng)用
1.2.2 信息融合的一般模型
1.2.3 信息融合的層次
1.2.4 信息融合典型算法
1.3 智能信息處理概述
1.4 網(wǎng)絡(luò)化虛擬測(cè)量概述
1.4.1 虛擬儀器技術(shù)的產(chǎn)生與發(fā)展
1.4.2 網(wǎng)絡(luò)技術(shù)與虛擬儀器技術(shù)的結(jié)合
1.4.3 網(wǎng)絡(luò)化虛擬測(cè)量技術(shù)的應(yīng)用
2 嵌入式遠(yuǎn)程測(cè)量信息處理實(shí)踐平臺(tái)技術(shù)
2.1 嵌入式遠(yuǎn)程測(cè)量信息處理實(shí)踐的意義
2.2 嵌入式遠(yuǎn)程測(cè)量系統(tǒng)的基本實(shí)現(xiàn)技術(shù)
2.2.1 虛擬儀器的結(jié)構(gòu)和功能
2.2.2 虛擬儀器的特點(diǎn)
2.2.3 虛擬儀器與傳統(tǒng)儀器的比較
2.2.4 虛擬儀器設(shè)計(jì)的一般步驟
2.2.5 基于虛擬儀器的無(wú)線嵌入式測(cè)量實(shí)驗(yàn)系統(tǒng)
2.2.6 LabVIEW與MATLAB混合編程
2.2.7 基于LabVIEW的網(wǎng)絡(luò)化虛擬測(cè)量
2.2.8 網(wǎng)絡(luò)化虛擬測(cè)量通信模型
2.2.9 基于LabVIEw的DataSocket及UDP通信
2.3 實(shí)踐平臺(tái)硬件與軟件系統(tǒng)
2.3.1 系統(tǒng)的硬件和軟件組成
2.3.2 系統(tǒng)的硬件設(shè)置
2.3.3 無(wú)線網(wǎng)絡(luò)配置
2.4 實(shí)踐平臺(tái)應(yīng)用流程
2.5 實(shí)踐平臺(tái)操作注意事項(xiàng)
2.6 思考與總結(jié)
3 神經(jīng)計(jì)算實(shí)踐方法實(shí)現(xiàn)
3.1 神經(jīng)計(jì)算方法概論
3.2 神經(jīng)網(wǎng)絡(luò)分類及其優(yōu)化
3.2.1 實(shí)踐內(nèi)容
3.2.2 實(shí)踐步驟
3.2.3 思考與總結(jié)
3.3 采用神經(jīng)計(jì)算解決誤差曲面問題
3.3.1 實(shí)踐內(nèi)容
3.3.2 實(shí)踐步驟
3.4 線性神經(jīng)元的訓(xùn)練問題
3.4.1 實(shí)踐內(nèi)容
3.4.2 實(shí)踐步驟
3.5 神經(jīng)計(jì)算方法實(shí)踐的意義
3.6 實(shí)踐平臺(tái)硬件與軟件系統(tǒng)
3.6.1 硬件設(shè)備
3.6.2 系統(tǒng)軟件
3.7 實(shí)踐平臺(tái)應(yīng)用流程
3.8 實(shí)踐平臺(tái)操作注意事項(xiàng)
3.9 思考與總結(jié)
4 神經(jīng)計(jì)算典型MATLAB程序設(shè)計(jì)實(shí)現(xiàn)
4.1 面向MATLAB的BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
4.1.1 BP神經(jīng)網(wǎng)絡(luò)的初始化
4.1.2 BP神經(jīng)網(wǎng)絡(luò)的創(chuàng)建
4.1.3 BP神經(jīng)網(wǎng)絡(luò)的仿真
4.1.4 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
4.2 徑向基函數(shù)網(wǎng)絡(luò)設(shè)計(jì)
4.2.1 問題描述
4.2.2 網(wǎng)絡(luò)建立
4.2.3 仿真網(wǎng)絡(luò)
4.2.4 結(jié)論
5 進(jìn)化計(jì)算實(shí)踐方法實(shí)現(xiàn)
5.1 進(jìn)化計(jì)算方法概論
5.2 進(jìn)化計(jì)算方法基本原理
5.2.1 遺傳算法
5.2.2 粒群智能
5.3 基于進(jìn)化計(jì)算的多項(xiàng)式逼近信號(hào)去噪
5.4 進(jìn)化計(jì)算性能分析實(shí)踐平臺(tái)的搭建與軟、硬件系統(tǒng)
5.4.1 進(jìn)化計(jì)算性能分析實(shí)踐的意義
5.4.2 進(jìn)化計(jì)算性能分析實(shí)踐平臺(tái)硬件與軟件系統(tǒng)
5.4.3 實(shí)踐平臺(tái)應(yīng)用流程
5.4.4 實(shí)踐平臺(tái)應(yīng)用注意事項(xiàng)
6 進(jìn)化計(jì)算的MATLAB程序設(shè)計(jì)實(shí)現(xiàn)
6.1 面向MATLAB的遺傳算法設(shè)計(jì)
6.1.1 遺傳算法的MATLAB工具箱介紹
6.1.2 遺傳算法編程實(shí)例
6.1.3 遺傳算法優(yōu)化結(jié)果分析
6.2 微粒群優(yōu)化算法程序設(shè)計(jì)及MATLAB實(shí)現(xiàn)
6.2.1 微粒群優(yōu)化算法的基本原理
6.2.2 微粒群優(yōu)化算法程序?qū)崿F(xiàn)
6.2.3 微粒群優(yōu)化算法結(jié)果分析
7 模糊計(jì)算實(shí)踐方法實(shí)現(xiàn)
7.1 模糊邏輯概述
7.1.1 模糊邏輯的起源
7.1.2 模糊邏輯的特點(diǎn)和應(yīng)用分析
7.2 模糊推理系統(tǒng)基本原理
7.2.1 模糊推理系統(tǒng)概述
7.2.2 模糊推理系統(tǒng)分類
7.3 模糊推理系統(tǒng)控制實(shí)踐的意義
7.4 模糊推理系統(tǒng)控制實(shí)踐平臺(tái)的硬件與軟件系統(tǒng)
7.4.1 硬件設(shè)備
7.4.2 系統(tǒng)軟件
7.5 模糊推理系統(tǒng)控制實(shí)踐平臺(tái)的基本原理
7.6 模糊推理系統(tǒng)控制實(shí)踐平臺(tái)應(yīng)用流程
7.7 模糊推理系統(tǒng)控制實(shí)踐平臺(tái)操作注意事項(xiàng)
7.8 思考與總結(jié)
8 模糊控制系統(tǒng)設(shè)計(jì)及MATLAB實(shí)現(xiàn)
8.1 模糊系統(tǒng)結(jié)構(gòu)
8.2 模糊控制器的設(shè)計(jì)
8.2.1 模糊化
8.2.2 建立模糊推理規(guī)則
8.2.3 確定權(quán)與規(guī)則信度
8.2.4 選擇適當(dāng)?shù)年P(guān)系生成方法和推理合成算法
8.2.5 反模糊化
8.3 模糊控制系統(tǒng)的MATLAB實(shí)現(xiàn)
8.3.1 模糊邏輯工具箱的圖形界面工具
8.3.2 FIS編輯器
8.3.3 隸屬函數(shù)編輯器
8.3.4 模糊規(guī)則編輯器
8.3.5 模糊規(guī)則觀察器
8.3.6 輸出曲面觀察器
8.3.7 自定義模糊推理系統(tǒng)
參考文獻(xiàn)