人工智能算法

第1章緒論(24min)
1.1人工智能的發(fā)展過(guò)程
1.1.1孕育階段
1.1.2形成階段
1.1.3發(fā)展階段
1.2人工智能的核心技術(shù)體系
1.3人工智能特點(diǎn)與應(yīng)用
1.3.1人工智能研究的特點(diǎn)
1.3.2人工智能應(yīng)用
第2章MATLAB語(yǔ)言入門(mén)(56min)
2.1MATLAB語(yǔ)言開(kāi)發(fā)環(huán)境
2.1.1命令行窗口
2.1.2M文件編輯窗口
2.1.3Simulink Model窗口
2.2數(shù)據(jù)類(lèi)型與基本運(yùn)算符
2.2.1變量的定義與賦值
2.2.2數(shù)據(jù)類(lèi)型
2.2.3關(guān)系表達(dá)式
2.2.4關(guān)系表達(dá)式的優(yōu)先級(jí)
2.2.5邏輯表達(dá)式
2.3常用的流程操作語(yǔ)句
2.3.1順序結(jié)構(gòu)
2.3.2if分支結(jié)構(gòu)
2.3.3switch分支結(jié)構(gòu)
2.3.4while循環(huán)結(jié)構(gòu)
2.3.5for循環(huán)結(jié)構(gòu)
2.4MATLAB語(yǔ)言的繪圖
2.4.1圖形的基礎(chǔ)知識(shí)
2.4.2繪制二維圖形
2.4.3設(shè)置曲線的屬性
2.4.4設(shè)置坐標(biāo)軸范圍
2.4.5疊繪和圖形標(biāo)識(shí)
2.4.6繪制雙坐標(biāo)軸圖形
2.4.7繪制多子圖
2.4.8交互式圖形
2.4.9繪制面積圖
2.4.10繪制直方圖
2.4.11繪制二維餅圖
2.4.12繪制向量圖
2.4.13繪制等高線
2.4.14繪制偽色彩圖
2.4.15繪制誤差棒
2.4.16繪制二維離散桿圖
2.4.17繪制散點(diǎn)圖
2.4.18極坐標(biāo)圖形
2.4.19柱坐標(biāo)圖形 
2.4.20繪制三維曲線
2.4.21編輯三維圖形
2.4.22四維圖形
 
 
 
第3章插值算法與曲線擬合(101min)
3.1插值
3.1.1一維插值
3.1.2人口數(shù)量預(yù)測(cè)
3.1.3二維插值
3.1.4繪制二元函數(shù)圖形
3.2插值算法
3.2.1拉格朗日插值
3.2.2牛頓插值
3.2.3分段插值法
3.2.4樣條插值
3.3曲線擬合
3.3.1多項(xiàng)式擬合
3.3.2加權(quán)小方差擬合
3.3.3數(shù)據(jù)擬合——適用加權(quán)小方差WLS方法
第4章灰色系統(tǒng)理論(44min)
4.1灰色關(guān)聯(lián)分析法
4.1.1灰色關(guān)聯(lián)因素與關(guān)聯(lián)算子集
4.1.2距離空間
4.1.3灰色關(guān)聯(lián)公理與灰色關(guān)聯(lián)度
4.2灰色預(yù)測(cè)
4.2.1累加生成序列
4.2.2均值GM(1，1)模型
4.2.3累減生成序列
4.2.4模型檢驗(yàn) 
4.3灰色聚類(lèi)評(píng)估
4.3.1灰色變權(quán)聚類(lèi)
4.3.2灰色定權(quán)聚類(lèi)
第5章傅里葉變換和小波變換(86min)
5.1傅里葉變換
5.1.1傅里葉級(jí)數(shù)的頻譜
5.1.2傅里葉級(jí)數(shù)的相位譜
5.1.3傅里葉變換表示形式
5.1.4MATLAB的傅里葉變換函數(shù)
5.1.5傅里葉變換的信號(hào)降噪應(yīng)用
5.2小波變換
5.2.1小波函數(shù)
5.2.2小波變換理論
5.2.3小波分解與重構(gòu)
5.2.4MATLAB的小波變換函數(shù)
5.2.5小波變換在信號(hào)處理中的應(yīng)用
5.3小波包變換
5.3.1小波包變換理論
5.3.2小波包變換的MATLAB函數(shù)
5.3.3小波包變換在信號(hào)處理中的應(yīng)用
第6章經(jīng)驗(yàn)?zāi)B(tài)分解算法(40min)
6.1EMD算法
6.1.1瞬時(shí)頻率
6.1.2EMD基本理論
6.1.3EMD下載與應(yīng)用
6.2EEMD算法
6.3CEEMD算法
第7章模糊邏輯控制算法(14min)
7.1概述
7.2模糊集合的基本概念
7.2.1普通集合
7.2.2模糊集合
7.2.3模糊運(yùn)算
7.2.4隸屬函數(shù)的確定
7.2.5常見(jiàn)的隸屬函數(shù)
7.3模糊關(guān)系的基本概念
7.3.1普通關(guān)系
7.3.2模糊關(guān)系
7.3.3模糊變換
7.4模糊推理與模糊決策
7.4.1模糊邏輯
7.4.2模糊語(yǔ)言算子
7.4.3模糊推理
7.4.4模糊決策
7.5模糊控制器的基本原理與設(shè)計(jì)方法
7.5.1模糊控制器的基本原理
7.5.2模糊控制器的設(shè)計(jì)步驟
7.6模糊控制系統(tǒng)的工作原理
7.6.1單輸入和單輸出模糊控制器的設(shè)計(jì)
7.6.2雙輸入和單輸出模糊控制器
7.6.3MATLAB模糊控制工具箱及應(yīng)用
第8章滑模變結(jié)構(gòu)控制(12min)
8.1變結(jié)構(gòu)控制系統(tǒng)
8.1.1變結(jié)構(gòu)控制
8.1.2變結(jié)構(gòu)控制系統(tǒng)的品質(zhì)
8.1.3變結(jié)構(gòu)系統(tǒng)的數(shù)學(xué)模型
8.1.4變結(jié)構(gòu)控制的特點(diǎn)
8.2開(kāi)關(guān)控制與滑模變結(jié)構(gòu)控制
8.2.1開(kāi)關(guān)控制
8.2.2變結(jié)構(gòu)系統(tǒng)中的滑動(dòng)模態(tài)
8.3滑動(dòng)模態(tài)及其數(shù)學(xué)表達(dá)
8.3.1滑動(dòng)模態(tài)
8.3.2滑動(dòng)模態(tài)的數(shù)學(xué)表達(dá)
8.4菲力普夫理論
8.4.1滑動(dòng)模態(tài)的存在條件
8.4.2關(guān)于菲力普夫理論的說(shuō)明
8.5等效控制及滑模運(yùn)動(dòng)
8.5.1等效控制
8.5.2滑模運(yùn)動(dòng)
8.6滑模變結(jié)構(gòu)控制的基本問(wèn)題
8.6.1滑動(dòng)模態(tài)的存在性
8.6.2滑動(dòng)模態(tài)的可達(dá)性及廣義滑模
8.6.3滑模運(yùn)動(dòng)的穩(wěn)定性
8.7滑模變結(jié)構(gòu)控制系統(tǒng)的動(dòng)態(tài)品質(zhì)
8.7.1正常運(yùn)動(dòng)段
8.7.2滑模運(yùn)動(dòng)段
8.8滑模變結(jié)構(gòu)控制的基本方法
8.8.1滑模變結(jié)構(gòu)的基本控制策略
8.8.2滑模變結(jié)構(gòu)控制的基本結(jié)構(gòu)
8.9基于低通濾波器的滑?？刂?br />8.9.1系統(tǒng)描述
8.9.2滑模控制器設(shè)計(jì)
8.9.3仿真實(shí)例
第9章神經(jīng)網(wǎng)絡(luò)基本理論(87min)
9.1生物神經(jīng)網(wǎng)絡(luò)
9.1.1生物神經(jīng)元的結(jié)構(gòu)
9.1.2生物神經(jīng)元的信息處理機(jī)理
9.1.3生物神經(jīng)網(wǎng)絡(luò)的信息處理
9.2人工神經(jīng)元的數(shù)學(xué)建模
9.2.1MP模型
9.2.2常用的神經(jīng)元數(shù)學(xué)模型
9.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)建模
9.3.1網(wǎng)絡(luò)拓?fù)漕?lèi)型
9.3.2網(wǎng)絡(luò)信息流向類(lèi)型
9.4人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
9.5神經(jīng)網(wǎng)絡(luò)及其分類(lèi)
9.6BP神經(jīng)網(wǎng)絡(luò)
9.6.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
9.6.2BP神經(jīng)網(wǎng)絡(luò)算法原理
9.6.3反向傳播實(shí)例
9.7BP算法的不足與改進(jìn)
9.7.1BP算法的不足
9.7.2BP算法的改進(jìn)
9.8BP網(wǎng)絡(luò)的MATLAB仿真實(shí)例
9.8.1BP神經(jīng)網(wǎng)絡(luò)的MATLAB工具箱
9.8.2BP網(wǎng)絡(luò)仿真實(shí)例
9.9徑向基神經(jīng)網(wǎng)絡(luò)
9.9.1正規(guī)化RBF網(wǎng)絡(luò)
9.9.2廣義RBF網(wǎng)絡(luò)
9.10徑向基網(wǎng)絡(luò)的MATLAB仿真實(shí)例
9.10.1RBF網(wǎng)絡(luò)的MATLAB工具箱
9.10.2仿真實(shí)例
第10章支持向量機(jī)(43min)
10.1統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)
10.1.1機(jī)器學(xué)習(xí)
10.1.2經(jīng)驗(yàn)風(fēng)險(xiǎn)小化原則
10.1.3結(jié)構(gòu)風(fēng)險(xiǎn)小化原則
10.2支持向量機(jī)
10.2.1超平面
10.2.2線性支持向量機(jī)
10.2.3非線性支持向量機(jī)
10.3LIBSVM軟件包簡(jiǎn)介
10.3.1LIBSVM使用的數(shù)據(jù)格式
10.3.2LIBSVM使用的函數(shù)
10.3.3LIBSVM使用
第11章智能優(yōu)化算法(34min)
11.1粒子群概述
11.1.1粒子群算法的基本原理
11.1.2全局與局部模式
11.1.3粒子群的算法建模
11.1.4粒子群的特點(diǎn)
11.1.5粒子群算法與其他進(jìn)化算法的異同
11.2粒子群算法
11.2.1基本原理
11.2.2算法構(gòu)成要素
11.2.3算法的基參數(shù)設(shè)置
11.2.4算法基本流程
11.2.5粒子群算法的MATLAB實(shí)現(xiàn)
11.3蟻群算法
11.3.1蟻群的基本概念
11.3.2蟻群算法的重要規(guī)則
11.3.3蟻群優(yōu)化算法的應(yīng)用
11.3.4蟻群算法的MATLAB實(shí)現(xiàn)
11.4模擬退火算法
11.4.1模擬退火算法的理論
11.4.2模擬退火尋優(yōu)實(shí)現(xiàn)步驟
11.4.3模擬退火算法的MATLAB工具箱
11.4.4模擬退火的MATLAB實(shí)現(xiàn)
11.5遺傳算法
11.5.1遺傳算法概述
11.5.2遺傳算法的生物學(xué)基礎(chǔ)
11.5.3遺傳算法的名稱(chēng)解釋
11.5.4遺傳算法的運(yùn)算過(guò)程
11.5.5遺傳算法的特點(diǎn)
11.5.6染色體的編碼
11.5.7適應(yīng)度函數(shù)
11.5.8遺傳算子
11.5.9算法參數(shù)設(shè)計(jì)原則
11.5.10適應(yīng)度函數(shù)的調(diào)整
11.5.11遺傳算法的應(yīng)用
11.6禁忌搜索算法
11.6.1禁忌搜索的相關(guān)理論
11.6.2啟發(fā)式搜索算法與傳統(tǒng)的方法
11.6.3禁忌搜索與局部鄰域搜索
11.6.4局部鄰域搜索
11.6.5禁忌搜索的基本思想
11.6.6禁忌搜索算法的特點(diǎn)
11.6.7禁忌搜索算法的應(yīng)用