智能信息处理技术原理与应用

本书特色

[

本教材的内容涉及模糊理论、数据融合、神经网络、遗传算法及传感技术等相关内容，并着重介绍数据融合技术的原理、特点及具体应用方法，在目前多传感器数据融合技术研究成果的基础上进行系统解析，分析特点，论述不足，为数据融合技术的研究提供科学合理的依据，达到促进智能信息处理技术可持续发展的目标。

]

内容简介

[

《智能信息处理技术原理与应用》内容新颖，包括了神经计算、进化计算、模糊计算、数据融合、禁忌搜索算法、模拟退火算法、蚁群算法以及粒子群优化算法等内容以及相关技术的应用实例。

]

作者简介

[

蒋海峰，男，1978年7月生，江苏扬州人，南京理工大学自动化学院讲师，硕士生导师。中国科学技术大学本硕博（自动控制专业本科、检测技术与自动化装置专业硕士、模式识别与智能系统专业博士）、南京理工大学控制科学与工程博士后、哈尔滨工程大学访问学者。长期从事于智能信息处理、多传感器数据融合、微纳级传感器、无线传感器网络等方向的研究。在国内外学术期刊及国际会议上发表论文近三十篇，专利多项。

]

目录

目录第1章绪论1.1智能信息处理概述1.1.1智能信息处理的产生及发展1.1.2人工智能概述1.1.3AI的发展1.1.4AI主要的研究学派和研究方法1.1.5AI研究内容和研究领域1.1.6计算智能的产生1.2计算智能信息处理的主要技术1.2.1模糊计算技术1.2.2神经计算技术1.2.3进化计算技术1.3计算智能技术的综合集成1.3.1模糊系统与神经网络的结合1.3.2神经网络与遗传算法的结合1.3.3模糊技术、神经网络和遗传算法的综合集成习题第2章神经计算2.1概述2.1.1神经网络的定义2.1.2神经网络的发展历史2.1.3神经网络的特点2.1.4神经网络的应用2.2神经网络基本原理2.2.1神经元的基本构成2.2.2神经元的基本数学模型2.2.3基本激活函数2.2.4神经网络的拓扑结构2.3前馈型神经网络2.3.1感知器2.3.2BP神经网络2.3.3BP算法的若干改进2.3.4前馈型神经网络的应用2.4反馈型神经网络2.4.1Hopfield神经网络2.4.2BAM网络2.4.3Hamming网络2.5RBF神经网络2.5.1RBF神经网络的结构2.5.2RBF神经网络的训练2.5.3RBF神经网络在交通流预测中的应用2.6自组织神经网络2.6.1竞争学习2.6.2自组织特征映射神经网络2.6.3基于自适应谐振构成的自组织神经网络2.7神经网络和模糊系统2.7.1简述2.7.2神经网络和模糊系统的结合方式2.7.3模糊神经网络2.7.4模糊神经网络的应用习题第3章进化计算3.1进化计算的一般框架与共同特点3.1.1进化计算的一般框架3.1.2进化计算的共同特点3.2遗传算法基础3.2.1遗传算法的历史与发展3.2.2遗传算法的基本原理3.2.3遗传算法数学基础分析3.3遗传算法分析3.3.1遗传算法基本结构3.3.2基因操作3.3.3遗传算法参数选择3.3.4遗传算法的改进3.3.5遗传算法的基本实例3.4遗传算法在函数优化及TSP中的应用3.4.1一元函数优化实例3.4.2多元函数优化实例3.4.3TSP问题的描述及优化意义3.4.4TSP问题的遗传算法设计3.5进化规划3.5.1进化规划的起源与发展3.5.2进化规划的主要特点3.5.3进化规划中的算法分析3.5.4进化规划的应用3.6进化策略3.6.1进化策略的起源与发展3.6.2进化策略的主要特点3.6.3进化策略的不同形式及基本思想3.6.4进化策略的执行过程习题第4章模糊计算4.1知识表示和推理4.1.1知识与推理中的关系4.1.2产生式系统4.2模糊理论及三大基本元素4.3模糊集合的基本运算4.4模糊集合运算的基本规则4.5模糊关系4.5.1模糊关系与模糊关系矩阵4.5.2模糊关系矩阵的运算4.5.3λ截矩阵��λ水平截集4.5.4模糊关系的运算和性质4.5.5模糊逻辑推理及应用4.6模糊信息处理4.6.1模糊模式识别4.6.2模糊聚类分析4.6.3基于模糊等价关系的模式分类4.6.4基于模糊相似关系的模式分类4.6.5基于*大隶属原则的模式分类4.6.6基于择近原则的模式分类习题第5章数据融合5.1数据融合的基本概念5.2数据融合的传感器管理与数据库5.2.1传感器管理5.2.2态势数据库5.3数据融合方法5.3.1Bayes估计方法5.3.2Dempster�睸hafer算法5.4数据融合系统结构形式及数据准备5.4.1数据融合系统结构形式5.4.2数据融合系统的功能模型5.4.3数据融合的层次5.5数据准备5.5.1融合中心数据处理的前提5.5.2数据的预处理5.5.3数据对准5.6数据关联技术5.6.1数据关联的目的5.6.2关联的基本思路5.6.3数据关联的主要形式5.6.4数据关联过程5.7状态估计——卡尔曼滤波5.7.1数字滤波器作估值器5.7.2线性均方估计5.7.3标量卡尔曼滤波器5.7.4向量卡尔曼滤波器5.7.5卡尔曼滤波器的应用5.7.6常系数α��β和α��β��γ滤波器习题第6章常见的智能优化算法6.1智能优化算法的产生与发展6.1.1*优化问题及其分类6.1.2优化算法的分类6.1.3智能优化算法的产生与发展6.2禁忌搜索算法6.2.1基本禁忌搜索6.2.2禁忌搜索的关键要素6.2.3禁忌搜索的基本步骤与算法流程6.2.4禁忌搜索算法的改进6.2.5禁忌搜索算法在多用户检测中的应用6.3模拟退火算法6.3.1简述6.3.2模拟退火算法的收敛性6.3.3模拟退火算法的关键参数6.3.4模拟退火算法的改进与发展6.3.5模拟退火算法在成组技术中加工中心的组成问题中的应用6.4蚁群算法6.4.1蚁群算法的由来6.4.2基本蚁群算法6.4.3改进的蚁群算法6.4.4蚁群算法在机器人路径规划中的应用6.5粒子群优化算法6.5.1粒子群优化算法的基本原理6.5.2粒子群优化算法的构成要素6.5.3改进的粒子群优化算法6.5.4粒子群优化算法在PID参数整定中的应用习题参考文献

封面

书名:智能信息处理技术原理与应用

作者:蒋海峰

页数:265

定价:¥49.8

出版社:清华大学出版社

出版日期:2019-06-01

ISBN:9787302530220

PDF电子书大小:131MB 高清扫描完整版