本書是以作者多年來從事人工智能研究的經(jīng)驗為基礎,并廣泛參考了國內外最新研究資料編寫而成的。本書從人工智能的本源問題出發(fā),著重介紹了人工智能各領域的概念體系、方法體系、經(jīng)典算法與新的流行算法以及當前人工智能的研究熱點——機器學習和機器視覺。
本書可供高等院校人工智能相關專業(yè)本科生、研究生作為教材或參考書使用,也可供相關科研及工程技術人員閱讀。
本書適合作為普通本科院校人工智能相關專業(yè)的專業(yè)基礎課教材。
人工智能是一個新興的研究熱點,它引起了全世界人們的關注,甚至成為很多國家的國家戰(zhàn)略。隨著人工智能研究的進展和技術的進步,人工智能正在進入和影響著我們的生活,在某些方面已經(jīng)超越了人類智能。人類社會正在朝著人工智能時代前進,而且前進的速度越來越快,在可預見的未來,人工智能會大量融入和改變人類社會。在此背景下,為了幫助人們學習和掌握人工智能的理論與方法,作者以自己多年來從事人工智能研究的經(jīng)驗為基礎,并廣泛參考了國內外最新的研究資料而編寫了本書。
本書從人工智能的本源問題出發(fā),介紹了構成人工智能體系的知識表示、搜索的原理與算法、推理技術、機器學習、機器視覺及分布式人工智能與多Agent系統(tǒng),著重闡述了不同領域的概念體系和方法體系,對比了不同的研究思路及進展情況,并將各領域的經(jīng)典算法與新的流行算法涵蓋其中。同時,本書將作者最新的工業(yè)應用研究成果、文獻所見最新成果及經(jīng)典案例作為實例,對人工智能方法的應用進行了剖析。
本書共7章,第1、3、4章及第5章的5.1節(jié)、5.4節(jié)和5.5節(jié)由王春林編寫,第2、7章由柏建軍編寫,第6章由徐生林編寫,第5章的5.2節(jié)和5.3節(jié)由郭寶峰編寫。
在本書的編寫及出版過程中,一些學生參與了資料收集和初稿整理工作,西安電子科技大學出版社的陳婷和王瑛編輯付出了辛勤的勞動,杭州電子科技大學及其自動化學院(人工智能學院)提供了大力支持,在此,向相關單位和個人表示衷心的感謝!同時對有關參考文獻的作者也表示感謝!
由于編者水平有限,書中不足之處在所難免,敬請廣大讀者批評指正。
第1章 人工智能概論 1
1.1 人工智能的概念及發(fā)展歷史 1
1.1.1 人工智能的概念 1
1.1.2 人工智能的發(fā)展史 3
1.2 人工智能的研究方法與涉及的學科 5
1.2.1 人工智能的研究方法 5
1.2.2 人工智能涉及的學科 7
1.3 人工智能的應用領域 9
1.3.1 人工智能應用概況 9
1.3.2 工業(yè)領域的應用 9
1.3.3 商業(yè)領域的應用 10
1.3.4 金融領域的應用 10
1.3.5 農(nóng)業(yè)領域的應用 11
1.3.6 其他領域的應用 12
1.4 人工智能面臨的挑戰(zhàn)與未來 12
1.4.1 人工智能面臨的挑戰(zhàn) 12
1.4.2 人工智能的未來展望 13
小結 14
習題1 14
本章參考文獻 14
第2章 知識表示 15
2.1 知識與知識表示方法的分類 15
2.2 邏輯表示法 17
2.2.1 命題邏輯 17
2.2.2 謂詞邏輯 17
2.2.3 謂詞邏輯表示的特點 21
2.3 產(chǎn)生式表示法 21
2.4 語義網(wǎng)絡表示法 23
2.5 框架表示法 24
2.5.1 框架的基本結構 24
2.5.2 框架系統(tǒng) 25
2.6 狀態(tài)空間圖表示法 26
小結 27
習題2 27
本章參考文獻 28
第3章 搜索的原理與算法 29
3.1 搜索問題與過程 29
3.1.1 盲目搜索 31
3.1.2 啟發(fā)式搜索 34
3.2 搜索算法 37
3.2.1 遺傳算法 37
3.2.2 粒子群算法 41
3.2.3 蟻群算法 45
3.3 應用實例 49
小結 52
習題3 52
本章參考文獻 52
第4章 推理技術 54
4.1 推理的分類與策略 55
4.1.1 推理的分類 55
4.1.2 推理的策略 56
4.2 消解原理 58
4.2.1 子句集的求取 58
4.2.2 消解推理規(guī)則 60
4.2.3 消解反演求解過程 61
4.3 規(guī)則演繹系統(tǒng) 62
4.4 產(chǎn)生式系統(tǒng) 65
4.4.1 產(chǎn)生式系統(tǒng)的結構 65
4.4.2 產(chǎn)生式系統(tǒng)的表示 66
4.4.3 產(chǎn)生式系統(tǒng)的推理 67
4.5 定性推理 68
4.5.1 定性推理概述 68
4.5.2 定性推理方法 68
4.6 不確定性推理 69
4.6.1 不確定性的表示 70
4.6.2 概率推理 71
4.6.3 模糊邏輯推理 72
4.7 非單調推理 74
4.7.1 表現(xiàn)形式 75
4.7.2 默認推理 77
小結 77
習題4 77
本章參考文獻 78
第5章 機器學習 79
5.1 機器學習概述 79
5.2 機器學習的分類 80
5.3 機器學習的主要算法 82
5.3.1 人工神經(jīng)網(wǎng)絡 82
5.3.2 支持向量機 85
5.3.3 集成學習 93
5.3.4 深度學習 96
5.4 機器學習應用實例 108
5.4.1 支持向量機應用實例 108
5.4.2 BP神經(jīng)網(wǎng)絡應用實例 112
小結 113
習題5 114
本章參考文獻 114
第6章 機器視覺 116
6.1 機器視覺概述 116
6.1.1 機器視覺的概念 116
6.1.2 機器視覺的應用領域 117
6.1.3 機器視覺的發(fā)展 119
6.1.4 Marr視覺理論框架 120
6.1.5 機器視覺系統(tǒng)的構成 123
6.2 圖像與圖像采集 124
6.2.1 照明 125
6.2.2 鏡頭 127
6.2.3 攝像機 128
6.2.4 圖像及其表達 129
6.3 圖像預處理 130
6.3.1 圖像預處理概述 130
6.3.2 像素亮度變換 131
6.3.3 圖像幾何變換 132
6.3.4 圖像平滑濾波 136
6.3.5 一階微分邊緣算子 138
6.3.6 二階微分邊緣算子 145
6.4 圖像分割 149
6.4.1 圖像分割概述 149
6.4.2 基于閾值的圖像分割 149
6.4.3 基于邊緣的圖像分割 152
6.4.4 基于區(qū)域的圖像分割 158
6.4.5 其他圖像分割法 160
6.5 其他圖像分析方法 161
6.5.1 數(shù)學形態(tài)學 161
6.5.2 紋理分析 169
6.5.3 運動分析 176
6.6 攝像機的標定 183
6.6.1 概述 183
6.6.2 機器視覺常用坐標系 184
6.6.3 攝像機透視投影模型 186
6.6.4 攝像機透視投影近似模型 188
6.6.5 攝像機的非線性優(yōu)化目標函數(shù)和求解方法 190
6.6.6 常用攝像機標定方法 193
6.6.7 攝像機標定在工程中的應用案例 200
6.7 3D立體視覺 204
6.7.1 雙目立體視覺的原理 205
6.7.2 雙目立體視覺的系統(tǒng)結構 207
6.7.3 雙目立體視覺的對應點匹配 211
6.7.4 雙目立體視覺的系統(tǒng)標定 217
6.7.5 影響雙目立體視覺精度的因素 218
小結 219
習題6 220
本章參考文獻 221
第7章 分布式人工智能與多Agent系統(tǒng)
223
7.1 分布式人工智能系統(tǒng)的特點 223
7.2 分布式問題求解 224
7.2.1 DPS系統(tǒng)的結構 224
7.2.2 DPS系統(tǒng)的求解過程和方法 225
7.3 Agent系統(tǒng) 225
7.3.1 Agent的定義 225
7.3.2 Agent的特點 226
7.3.3 Agent的結構分類 227
7.4 Agent通信語言 229
7.4.1 Speech-Act理論 230
7.4.2 KQML 230
7.4.3 FIPA ACL 234
7.4.4 面向Agent的開發(fā)工具與環(huán)境 234
7.5 多Agent系統(tǒng) 235
7.5.1 多Agent系統(tǒng)的體系結構 236
7.5.2 多Agent系統(tǒng)的協(xié)作機制 237
小結 239
習題7 239
本章參考文獻 239