《21世紀高等學校規(guī)劃教材·計算機科學與技術:智能信息處理導論》可作為智能科學與技術、電子科學與技術、信息與通信工程、計算機科學與技術、電氣工程、控制科學與技術等專業(yè)高年級本科生的教材和相關專業(yè)研究生、博士生“智能信息處理與優(yōu)化”等課程的教材,同時可以供智能信息處理與智能控制技術研究人員參考。
智能信息處理就是模擬人或者自然界其他生物處理信息的行為,建立處理復雜系統(tǒng)信息的理論、算法和系統(tǒng)的方法和技術。智能信息處理主要面對的是不確定性系統(tǒng)和不確定性現(xiàn)象的信息處理問題。
智能信息處理在復雜系統(tǒng)建模、系統(tǒng)分析、系統(tǒng)決策、系統(tǒng)控制、系統(tǒng)優(yōu)化和系統(tǒng)設計等領域具有廣闊的應用前景。
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)在動力; 具有生存和提高生活質(zhì)量的需求。受這兩個方面原動力的驅(qū)使,人類不斷地研究新的方法和技術,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! 〉祟愓怯眠@些不精確的、不完美的知識,不斷地、逐步地了解客觀世界的。模糊系統(tǒng)理論、人工神經(jīng)網(wǎng)絡、進化計算、人工智能等都是在人類現(xiàn)有認識的基礎上所產(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與信息逐步改變?yōu)橥耆、可靠、精確、一致和確定的知識與信息的過程和方法。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。智能信息處理涉及信息科學的多個領域,是現(xiàn)代信號處理、人工神經(jīng)網(wǎng)絡、模糊系統(tǒng)理論、進化計算、人工智能等理論和方法的綜合應用。
本書介紹了這些理論、方法和工具,從智能信息處理產(chǎn)生的背景和發(fā)展歷史、基本理論和方法、應用以及研究現(xiàn)狀和發(fā)展趨勢等方面,介紹了模糊理論及其應用、神經(jīng)網(wǎng)絡信息處理及其應用、云信息處理及其應用、可拓信息處理及其應用、粗集信息處理及其應用,遺傳算法、免疫算法、蟻群算法優(yōu)化處理、量子智能信息處理、多元信息融合和信息融合技術及其應用。
本書由孫紅任主編,負責全書的審核修改和總纂,徐立萍、胡春燕任副主編,其中的第1~4章、第8~10章由孫紅負責、第5、第6章由徐立萍負責、第7章由胡春燕負責。
本書在編寫過程中參考了大量國內(nèi)外相關論著,吸收了較多國內(nèi)外學者的先進思想和研究成果,在此,謹向各位專家、學者致以誠摯的感謝。在本書撰寫過程中,張建宏、吳錢忠、石慧娟、孔超宇、蘇南、屠僉煒、劉彪、秦守文、楊青青、王曉婉等分別參加了全書各章的資料收集和整理工作,清華大學出版社給予了大力支持和辛勤指導,在此表示衷心的感謝。
在編寫本書的過程中,作者參考了大量的學術專著和論文,由于所參考的學術論文過多,無法一一標注和列出,對此特向這些文獻的作者表示歉意!同時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!
本書在編寫過程中還得到了各單位領導、同事和家人朋友的大力支持和幫助,衷心地感謝他們。
本書可作為智能科學與技術、電子科學與技術、信息與通信工程、計算機科學與技術、電氣工程、控制科學與技術等專業(yè)的高年級本科生專業(yè)課程的教材和碩士生、博士生有關“智能信息處理與優(yōu)化”的教材,同時可以供智能信息處理與智能控制技術研究人員參考。
由于編者水平有限,加上智能信息處理本身在不斷地豐富和發(fā)展,書中難免存在疏漏和不妥之處,對此,懇請廣大讀者批評指正。
編者
2012年5月
第1章 模糊信息處理
1.1 模糊信息概述
1.1.1 模糊信息相關知識
1.1.2 模糊研究內(nèi)容與應用
1.1.3 診斷模糊模型
1.2 多目標模糊優(yōu)化方法
1.2.1 常規(guī)多目標優(yōu)化設計的模糊解法
1.2.2 模糊多目標優(yōu)化設計
1.2.3 普遍型多目標模糊優(yōu)化設計方法
1.3 數(shù)據(jù)處理的模糊熵方法
1.3.1 模糊熵的公理體系與定義
1.3.2 模糊熵的圖像處理
1.4 自適應模糊聚類分析
1.4.1 相關的模糊聚類算法
1.4.2 自適應模糊聚類算法
1.4.3 算法收斂性分析
1.5 模糊關聯(lián)分析
1.5.1 模糊關聯(lián)分析法
1.5.2 評價原理和方法
1.5.3 實證研究
1.6 模糊信息優(yōu)化方法
1.6.1 模糊信息優(yōu)化處理的基本理論
1.6.2 模糊信息優(yōu)化實例分析
1.7 模糊多屬性決策的模糊貼近度方法
1.7.1 模糊多屬性決策
1.7.2 模糊多屬性決策模型
1.7.3 模糊多屬性決策的模糊貼近度解法
1.7.4 算例分析
1.8 信息不完全確知的模糊決策集成模型
1.8.1 信息不完全確知的多目標決策
1.8.2 決策信息不完全確知的模糊決策集成模型
1.8.3 決策信息不完全確知的模糊決策集成模型分析
1.8.4 實例分析
1.9 模糊Petri網(wǎng)
1.9.1 Petri網(wǎng)概述
1.9.2 模糊Petri網(wǎng)的基本理論
1.9.3 基于模糊Petri網(wǎng)的推理算法及應用
習題
第2章 神經(jīng)網(wǎng)絡信息處理
2.1 神經(jīng)網(wǎng)絡的一般模型
2.1.1 一般形式的神經(jīng)網(wǎng)絡模型
2.1.2 神經(jīng)網(wǎng)絡學習算法
2.1.3 神經(jīng)網(wǎng)絡計算的特點
2.1.4 神經(jīng)網(wǎng)絡的拓撲結構
2.2 BP神經(jīng)網(wǎng)絡模型
2.2.1 BP神經(jīng)網(wǎng)絡學習算法
2.2.2 BP神經(jīng)網(wǎng)絡建模
2.3 貝葉斯神經(jīng)網(wǎng)絡
2.3.1 傳統(tǒng)神經(jīng)網(wǎng)絡和貝葉斯方法
2.3.2 神經(jīng)根網(wǎng)絡的貝葉斯學習
2.3.3 貝葉斯神經(jīng)網(wǎng)絡算法
2.4 RBF神經(jīng)網(wǎng)絡
2.4.1 RBF特點
2.4.2 RBF神經(jīng)網(wǎng)絡的結構與訓練
2.4.3 高速公路ANN限速控制器的設計
2.5 貝葉斯——高速神經(jīng)網(wǎng)絡非線性系統(tǒng)辨識
2.5.1 BPNN分析
2.5.2 BG推理模型和BGNN
2.5.3 BGNN的自組織過程
2.5.4 仿真研究
2.6 廣義神經(jīng)網(wǎng)絡
2.6.1 智能神經(jīng)元模型
2.6.2 廣義神經(jīng)網(wǎng)絡模型及學習算法
2.6.3 交通流預測模型
2.7 發(fā)動機神經(jīng)網(wǎng)絡BP算法建模
2.7.1 發(fā)動機性能曲線神經(jīng)網(wǎng)絡處理方法
2.7.2 發(fā)動機神經(jīng)網(wǎng)絡辨識結構
2.8 組合灰色神經(jīng)網(wǎng)絡模型
2.8.1 灰色預測模型
2.8.2 灰色神經(jīng)網(wǎng)絡預測模型
第3章 云信息處理
第4章 可拓信息處理
第5章 粗集信息處理
第6章 遺傳算法
第7章 免疫算法
第8章 蟻群算法
第9章 量子智能信息處理
第10章 信息融合
參考文獻