智能信息处理导论
作者： 孙红 主编
出版时间： 2013
丛编项： 21世纪高等学校规划教材·计算机科学与技术
《21世纪高等学校规划教材·计算机科学与技术：智能信息处理导论》可作为智能科学与技术、电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业高年级本科生的教材和相关专业研究生、博士生“智能信息处理与优化”等课程的教材，同时可以供智能信息处理与智能控制技术研究人员参考。
目录
- 第1章 模糊信息处理
- 1.1 模糊信息概述
- 1.1.1 模糊信息相关知识
- 1.1.2 模糊研究内容与应用
- 1.1.3 诊断模糊模型
- 1.2 多目标模糊优化方法
- 1.2.1 常规多目标优化设计的模糊解法
- 1.2.2 模糊多目标优化设计
- 1.2.3 普遍型多目标模糊优化设计方法
- 1.3 数据处理的模糊熵方法
- 1.3.1 模糊熵的公理体系与定义
- 1.3.2 模糊熵的图像处理
- 1.4 自适应模糊聚类分析
- 1.4.1 相关的模糊聚类算法
- 1.4.2 自适应模糊聚类算法
- 1.4.3 算法收敛性分析
- 1.5 模糊关联分析
- 1.5.1 模糊关联分析法
- 1.5.2 评价原理和方法
- 1.5.3 实证研究
- 1.6 模糊信息优化方法
- 1.6.1 模糊信息优化处理的基本理论
- 1.6.2 模糊信息优化实例分析
- 1.7 模糊多属性决策的模糊贴近度方法
- 1.7.1 模糊多属性决策
- 1.7.2 模糊多属性决策模型
- 1.7.3 模糊多属性决策的模糊贴近度解法
- 1.7.4 算例分析
- 1.8 信息不完全确知的模糊决策集成模型
- 1.8.1 信息不完全确知的多目标决策
- 1.8.2 决策信息不完全确知的模糊决策集成模型
- 1.8.3 决策信息不完全确知的模糊决策集成模型分析
- 1.8.4 实例分析
- 1.9 模糊Petri网
- 1.9.1 Petri网概述
- 1.9.2 模糊Petri网的基本理论
- 1.9.3 基于模糊Petri网的推理算法及应用
- 习题
- 第2章 神经网络信息处理
- 2.1 神经网络的一般模型
- 2.1.1 一般形式的神经网络模型
- 2.1.2 神经网络学习算法
- 2.1.3 神经网络计算的特点
- 2.1.4 神经网络的拓扑结构
- 2.2 BP神经网络模型
- 2.2.1 BP神经网络学习算法
- 2.2.2 BP神经网络建模
- 2.3 贝叶斯神经网络
- 2.3.1 传统神经网络和贝叶斯方法
- 2.3.2 神经根网络的贝叶斯学习
- 2.3.3 贝叶斯神经网络算法
- 2.4 RBF神经网络
- 2.4.1 RBF特点
- 2.4.2 RBF神经网络的结构与训练
- 2.4.3 高速公路ANN限速控制器的设计
- 2.5 贝叶斯——高速神经网络非线性系统辨识
- 2.5.1 BPNN分析
- 2.5.2 BG推理模型和BGNN
- 2.5.3 BGNN的自组织过程
- 2.5.4 仿真研究
- 2.6 广义神经网络
- 2.6.1 智能神经元模型
- 2.6.2 广义神经网络模型及学习算法
- 2.6.3 交通流预测模型
- 2.7 发动机神经网络BP算法建模
- 2.7.1 发动机性能曲线神经网络处理方法
- 2.7.2 发动机神经网络辨识结构
- 2.8 组合灰色神经网络模型
- 2.8.1 灰色预测模型
- 2.8.2 灰色神经网络预测模型
- 第3章 云信息处理
- 第4章 可拓信息处理
- 第5章 粗集信息处理
- 第6章 遗传算法
- 第7章 免疫算法
- 第8章 蚁群算法
- 第9章 量子智能信息处理
- 第10章 信息融合
- 参考文献
- 特别提示：本资源需要会员组权限，普通注册用户无法下载.
