掃一掃
關(guān)注中圖網(wǎng)
官方微博
買過本商品的人還買了
智能信息處理技術(shù)原理與應(yīng)用 版權(quán)信息
- ISBN：9787302530220
- 條形碼：9787302530220 ; 978-7-302-53022-0
- 裝幀：60g膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
智能信息處理技術(shù)原理與應(yīng)用 本書特色
本教材的內(nèi)容涉及模糊理論、數(shù)據(jù)融合、神經(jīng)網(wǎng)絡(luò)、遺傳算法及傳感技術(shù)等相關(guān)內(nèi)容，并著重介紹數(shù)據(jù)融合技術(shù)的原理、特點(diǎn)及具體應(yīng)用方法，在目前多傳感器數(shù)據(jù)融合技術(shù)研究成果的基礎(chǔ)上進(jìn)行系統(tǒng)解析，分析特點(diǎn)，論述不足，為數(shù)據(jù)融合技術(shù)的研究提供科學(xué)合理的依據(jù)，達(dá)到促進(jìn)智能信息處理技術(shù)可持續(xù)發(fā)展的目標(biāo)。
智能信息處理技術(shù)原理與應(yīng)用 內(nèi)容簡介
《智能信息處理技術(shù)原理與應(yīng)用》內(nèi)容新穎，包括了神經(jīng)計(jì)算、進(jìn)化計(jì)算、模糊計(jì)算、數(shù)據(jù)融合、禁忌搜索算法、模擬退火算法、蟻群算法以及粒子群優(yōu)化算法等內(nèi)容以及相關(guān)技術(shù)的應(yīng)用實(shí)例。
智能信息處理技術(shù)原理與應(yīng)用 目錄
目錄
第1章緒論
1.1智能信息處理概述
1.1.1智能信息處理的產(chǎn)生及發(fā)展
1.1.2人工智能概述
1.1.3AI的發(fā)展
1.1.4AI主要的研究學(xué)派和研究方法
1.1.5AI研究內(nèi)容和研究領(lǐng)域
1.1.6計(jì)算智能的產(chǎn)生
1.2計(jì)算智能信息處理的主要技術(shù)
1.2.1模糊計(jì)算技術(shù)
1.2.2神經(jīng)計(jì)算技術(shù)
1.2.3進(jìn)化計(jì)算技術(shù)
1.3計(jì)算智能技術(shù)的綜合集成
1.3.1模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合
1.3.2神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合
1.3.3模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)和遺傳算法的綜合集成
習(xí)題
第2章神經(jīng)計(jì)算
2.1概述
2.1.1神經(jīng)網(wǎng)絡(luò)的定義
2.1.2神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史
2.1.3神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
2.1.4神經(jīng)網(wǎng)絡(luò)的應(yīng)用
2.2神經(jīng)網(wǎng)絡(luò)基本原理
2.2.1神經(jīng)元的基本構(gòu)成
2.2.2神經(jīng)元的基本數(shù)學(xué)模型
2.2.3基本激活函數(shù)
2.2.4神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
2.3前饋型神經(jīng)網(wǎng)絡(luò)
2.3.1感知器
2.3.2BP神經(jīng)網(wǎng)絡(luò)
2.3.3BP算法的若干改進(jìn)
2.3.4前饋型神經(jīng)網(wǎng)絡(luò)的應(yīng)用
2.4反饋型神經(jīng)網(wǎng)絡(luò)
2.4.1Hopfield神經(jīng)網(wǎng)絡(luò)
2.4.2BAM網(wǎng)絡(luò)
2.4.3Hamming網(wǎng)絡(luò)
2.5RBF神經(jīng)網(wǎng)絡(luò)
2.5.1RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
2.5.2RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.5.3RBF神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測中的應(yīng)用
2.6自組織神經(jīng)網(wǎng)絡(luò)
2.6.1競爭學(xué)習(xí)
2.6.2自組織特征映射神經(jīng)網(wǎng)絡(luò)
2.6.3基于自適應(yīng)諧振構(gòu)成的自組織神經(jīng)網(wǎng)絡(luò)
2.7神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)
2.7.1簡述
2.7.2神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的結(jié)合方式
2.7.3模糊神經(jīng)網(wǎng)絡(luò)
2.7.4模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用
習(xí)題
第3章進(jìn)化計(jì)算
3.1進(jìn)化計(jì)算的一般框架與共同特點(diǎn)
3.1.1進(jìn)化計(jì)算的一般框架
3.1.2進(jìn)化計(jì)算的共同特點(diǎn)
3.2遺傳算法基礎(chǔ)
3.2.1遺傳算法的歷史與發(fā)展
3.2.2遺傳算法的基本原理
3.2.3遺傳算法數(shù)學(xué)基礎(chǔ)分析
3.3遺傳算法分析
3.3.1遺傳算法基本結(jié)構(gòu)
3.3.2基因操作
3.3.3遺傳算法參數(shù)選擇
3.3.4遺傳算法的改進(jìn)
3.3.5遺傳算法的基本實(shí)例
3.4遺傳算法在函數(shù)優(yōu)化及TSP中的應(yīng)用
3.4.1一元函數(shù)優(yōu)化實(shí)例
3.4.2多元函數(shù)優(yōu)化實(shí)例
3.4.3TSP問題的描述及優(yōu)化意義
3.4.4TSP問題的遺傳算法設(shè)計(jì)
3.5進(jìn)化規(guī)劃
3.5.1進(jìn)化規(guī)劃的起源與發(fā)展
3.5.2進(jìn)化規(guī)劃的主要特點(diǎn)
3.5.3進(jìn)化規(guī)劃中的算法分析
3.5.4進(jìn)化規(guī)劃的應(yīng)用
3.6進(jìn)化策略
3.6.1進(jìn)化策略的起源與發(fā)展
3.6.2進(jìn)化策略的主要特點(diǎn)
3.6.3進(jìn)化策略的不同形式及基本思想
3.6.4進(jìn)化策略的執(zhí)行過程
習(xí)題
第4章模糊計(jì)算
4.1知識(shí)表示和推理
4.1.1知識(shí)與推理中的關(guān)系
4.1.2產(chǎn)生式系統(tǒng)
4.2模糊理論及三大基本元素
4.3模糊集合的基本運(yùn)算
4.4模糊集合運(yùn)算的基本規(guī)則
4.5模糊關(guān)系
4.5.1模糊關(guān)系與模糊關(guān)系矩陣
4.5.2模糊關(guān)系矩陣的運(yùn)算
4.5.3λ截矩陣λ水平截集
4.5.4模糊關(guān)系的運(yùn)算和性質(zhì)
4.5.5模糊邏輯推理及應(yīng)用
4.6模糊信息處理
4.6.1模糊模式識(shí)別
4.6.2模糊聚類分析
4.6.3基于模糊等價(jià)關(guān)系的模式分類
4.6.4基于模糊相似關(guān)系的模式分類
4.6.5基于*大隸屬原則的模式分類
4.6.6基于擇近原則的模式分類
習(xí)題
第5章數(shù)據(jù)融合
5.1數(shù)據(jù)融合的基本概念
5.2數(shù)據(jù)融合的傳感器管理與數(shù)據(jù)庫
5.2.1傳感器管理
5.2.2態(tài)勢數(shù)據(jù)庫
5.3數(shù)據(jù)融合方法
5.3.1Bayes估計(jì)方法
5.3.2DempsterShafer算法
5.4數(shù)據(jù)融合系統(tǒng)結(jié)構(gòu)形式及數(shù)據(jù)準(zhǔn)備
5.4.1數(shù)據(jù)融合系統(tǒng)結(jié)構(gòu)形式
5.4.2數(shù)據(jù)融合系統(tǒng)的功能模型
5.4.3數(shù)據(jù)融合的層次
5.5數(shù)據(jù)準(zhǔn)備
5.5.1融合中心數(shù)據(jù)處理的前提
5.5.2數(shù)據(jù)的預(yù)處理
5.5.3數(shù)據(jù)對準(zhǔn)
5.6數(shù)據(jù)關(guān)聯(lián)技術(shù)
5.6.1數(shù)據(jù)關(guān)聯(lián)的目的
5.6.2關(guān)聯(lián)的基本思路
5.6.3數(shù)據(jù)關(guān)聯(lián)的主要形式
5.6.4數(shù)據(jù)關(guān)聯(lián)過程
5.7狀態(tài)估計(jì)——卡爾曼濾波
5.7.1數(shù)字濾波器作估值器
5.7.2線性均方估計(jì)
5.7.3標(biāo)量卡爾曼濾波器
5.7.4向量卡爾曼濾波器
5.7.5卡爾曼濾波器的應(yīng)用
5.7.6常系數(shù)αβ和αβγ濾波器
習(xí)題
第6章常見的智能優(yōu)化算法
6.1智能優(yōu)化算法的產(chǎn)生與發(fā)展
6.1.1*優(yōu)化問題及其分類
6.1.2優(yōu)化算法的分類
6.1.3智能優(yōu)化算法的產(chǎn)生與發(fā)展
6.2禁忌搜索算法
6.2.1基本禁忌搜索
6.2.2禁忌搜索的關(guān)鍵要素
6.2.3禁忌搜索的基本步驟與算法流程
6.2.4禁忌搜索算法的改進(jìn)
6.2.5禁忌搜索算法在多用戶檢測中的應(yīng)用
6.3模擬退火算法
6.3.1簡述
6.3.2模擬退火算法的收斂性
6.3.3模擬退火算法的關(guān)鍵參數(shù)
6.3.4模擬退火算法的改進(jìn)與發(fā)展
6.3.5模擬退火算法在成組技術(shù)中加工中心的組成問題中的應(yīng)用
6.4蟻群算法
6.4.1蟻群算法的由來
6.4.2基本蟻群算法
6.4.3改進(jìn)的蟻群算法
6.4.4蟻群算法在機(jī)器人路徑規(guī)劃中的應(yīng)用
6.5粒子群優(yōu)化算法
6.5.1粒子群優(yōu)化算法的基本原理
6.5.2粒子群優(yōu)化算法的構(gòu)成要素
6.5.3改進(jìn)的粒子群優(yōu)化算法
6.5.4粒子群優(yōu)化算法在PID參數(shù)整定中的應(yīng)用
習(xí)題
參考文獻(xiàn)
第1章緒論
1.1智能信息處理概述
1.1.1智能信息處理的產(chǎn)生及發(fā)展
1.1.2人工智能概述
1.1.3AI的發(fā)展
1.1.4AI主要的研究學(xué)派和研究方法
1.1.5AI研究內(nèi)容和研究領(lǐng)域
1.1.6計(jì)算智能的產(chǎn)生
1.2計(jì)算智能信息處理的主要技術(shù)
1.2.1模糊計(jì)算技術(shù)
1.2.2神經(jīng)計(jì)算技術(shù)
1.2.3進(jìn)化計(jì)算技術(shù)
1.3計(jì)算智能技術(shù)的綜合集成
1.3.1模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合
1.3.2神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合
1.3.3模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)和遺傳算法的綜合集成
習(xí)題
第2章神經(jīng)計(jì)算
2.1概述
2.1.1神經(jīng)網(wǎng)絡(luò)的定義
2.1.2神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史
2.1.3神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
2.1.4神經(jīng)網(wǎng)絡(luò)的應(yīng)用
2.2神經(jīng)網(wǎng)絡(luò)基本原理
2.2.1神經(jīng)元的基本構(gòu)成
2.2.2神經(jīng)元的基本數(shù)學(xué)模型
2.2.3基本激活函數(shù)
2.2.4神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
2.3前饋型神經(jīng)網(wǎng)絡(luò)
2.3.1感知器
2.3.2BP神經(jīng)網(wǎng)絡(luò)
2.3.3BP算法的若干改進(jìn)
2.3.4前饋型神經(jīng)網(wǎng)絡(luò)的應(yīng)用
2.4反饋型神經(jīng)網(wǎng)絡(luò)
2.4.1Hopfield神經(jīng)網(wǎng)絡(luò)
2.4.2BAM網(wǎng)絡(luò)
2.4.3Hamming網(wǎng)絡(luò)
2.5RBF神經(jīng)網(wǎng)絡(luò)
2.5.1RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
2.5.2RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.5.3RBF神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測中的應(yīng)用
2.6自組織神經(jīng)網(wǎng)絡(luò)
2.6.1競爭學(xué)習(xí)
2.6.2自組織特征映射神經(jīng)網(wǎng)絡(luò)
2.6.3基于自適應(yīng)諧振構(gòu)成的自組織神經(jīng)網(wǎng)絡(luò)
2.7神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)
2.7.1簡述
2.7.2神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的結(jié)合方式
2.7.3模糊神經(jīng)網(wǎng)絡(luò)
2.7.4模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用
習(xí)題
第3章進(jìn)化計(jì)算
3.1進(jìn)化計(jì)算的一般框架與共同特點(diǎn)
3.1.1進(jìn)化計(jì)算的一般框架
3.1.2進(jìn)化計(jì)算的共同特點(diǎn)
3.2遺傳算法基礎(chǔ)
3.2.1遺傳算法的歷史與發(fā)展
3.2.2遺傳算法的基本原理
3.2.3遺傳算法數(shù)學(xué)基礎(chǔ)分析
3.3遺傳算法分析
3.3.1遺傳算法基本結(jié)構(gòu)
3.3.2基因操作
3.3.3遺傳算法參數(shù)選擇
3.3.4遺傳算法的改進(jìn)
3.3.5遺傳算法的基本實(shí)例
3.4遺傳算法在函數(shù)優(yōu)化及TSP中的應(yīng)用
3.4.1一元函數(shù)優(yōu)化實(shí)例
3.4.2多元函數(shù)優(yōu)化實(shí)例
3.4.3TSP問題的描述及優(yōu)化意義
3.4.4TSP問題的遺傳算法設(shè)計(jì)
3.5進(jìn)化規(guī)劃
3.5.1進(jìn)化規(guī)劃的起源與發(fā)展
3.5.2進(jìn)化規(guī)劃的主要特點(diǎn)
3.5.3進(jìn)化規(guī)劃中的算法分析
3.5.4進(jìn)化規(guī)劃的應(yīng)用
3.6進(jìn)化策略
3.6.1進(jìn)化策略的起源與發(fā)展
3.6.2進(jìn)化策略的主要特點(diǎn)
3.6.3進(jìn)化策略的不同形式及基本思想
3.6.4進(jìn)化策略的執(zhí)行過程
習(xí)題
第4章模糊計(jì)算
4.1知識(shí)表示和推理
4.1.1知識(shí)與推理中的關(guān)系
4.1.2產(chǎn)生式系統(tǒng)
4.2模糊理論及三大基本元素
4.3模糊集合的基本運(yùn)算
4.4模糊集合運(yùn)算的基本規(guī)則
4.5模糊關(guān)系
4.5.1模糊關(guān)系與模糊關(guān)系矩陣
4.5.2模糊關(guān)系矩陣的運(yùn)算
4.5.3λ截矩陣λ水平截集
4.5.4模糊關(guān)系的運(yùn)算和性質(zhì)
4.5.5模糊邏輯推理及應(yīng)用
4.6模糊信息處理
4.6.1模糊模式識(shí)別
4.6.2模糊聚類分析
4.6.3基于模糊等價(jià)關(guān)系的模式分類
4.6.4基于模糊相似關(guān)系的模式分類
4.6.5基于*大隸屬原則的模式分類
4.6.6基于擇近原則的模式分類
習(xí)題
第5章數(shù)據(jù)融合
5.1數(shù)據(jù)融合的基本概念
5.2數(shù)據(jù)融合的傳感器管理與數(shù)據(jù)庫
5.2.1傳感器管理
5.2.2態(tài)勢數(shù)據(jù)庫
5.3數(shù)據(jù)融合方法
5.3.1Bayes估計(jì)方法
5.3.2DempsterShafer算法
5.4數(shù)據(jù)融合系統(tǒng)結(jié)構(gòu)形式及數(shù)據(jù)準(zhǔn)備
5.4.1數(shù)據(jù)融合系統(tǒng)結(jié)構(gòu)形式
5.4.2數(shù)據(jù)融合系統(tǒng)的功能模型
5.4.3數(shù)據(jù)融合的層次
5.5數(shù)據(jù)準(zhǔn)備
5.5.1融合中心數(shù)據(jù)處理的前提
5.5.2數(shù)據(jù)的預(yù)處理
5.5.3數(shù)據(jù)對準(zhǔn)
5.6數(shù)據(jù)關(guān)聯(lián)技術(shù)
5.6.1數(shù)據(jù)關(guān)聯(lián)的目的
5.6.2關(guān)聯(lián)的基本思路
5.6.3數(shù)據(jù)關(guān)聯(lián)的主要形式
5.6.4數(shù)據(jù)關(guān)聯(lián)過程
5.7狀態(tài)估計(jì)——卡爾曼濾波
5.7.1數(shù)字濾波器作估值器
5.7.2線性均方估計(jì)
5.7.3標(biāo)量卡爾曼濾波器
5.7.4向量卡爾曼濾波器
5.7.5卡爾曼濾波器的應(yīng)用
5.7.6常系數(shù)αβ和αβγ濾波器
習(xí)題
第6章常見的智能優(yōu)化算法
6.1智能優(yōu)化算法的產(chǎn)生與發(fā)展
6.1.1*優(yōu)化問題及其分類
6.1.2優(yōu)化算法的分類
6.1.3智能優(yōu)化算法的產(chǎn)生與發(fā)展
6.2禁忌搜索算法
6.2.1基本禁忌搜索
6.2.2禁忌搜索的關(guān)鍵要素
6.2.3禁忌搜索的基本步驟與算法流程
6.2.4禁忌搜索算法的改進(jìn)
6.2.5禁忌搜索算法在多用戶檢測中的應(yīng)用
6.3模擬退火算法
6.3.1簡述
6.3.2模擬退火算法的收斂性
6.3.3模擬退火算法的關(guān)鍵參數(shù)
6.3.4模擬退火算法的改進(jìn)與發(fā)展
6.3.5模擬退火算法在成組技術(shù)中加工中心的組成問題中的應(yīng)用
6.4蟻群算法
6.4.1蟻群算法的由來
6.4.2基本蟻群算法
6.4.3改進(jìn)的蟻群算法
6.4.4蟻群算法在機(jī)器人路徑規(guī)劃中的應(yīng)用
6.5粒子群優(yōu)化算法
6.5.1粒子群優(yōu)化算法的基本原理
6.5.2粒子群優(yōu)化算法的構(gòu)成要素
6.5.3改進(jìn)的粒子群優(yōu)化算法
6.5.4粒子群優(yōu)化算法在PID參數(shù)整定中的應(yīng)用
習(xí)題
參考文獻(xiàn)
展開全部
智能信息處理技術(shù)原理與應(yīng)用 作者簡介
蔣海峰，男，1978年7月生，江蘇揚(yáng)州人，南京理工大學(xué)自動(dòng)化學(xué)院講師，碩士生導(dǎo)師。中國科學(xué)技術(shù)大學(xué)本碩博（自動(dòng)控制專業(yè)本科、檢測技術(shù)與自動(dòng)化裝置專業(yè)碩士、模式識(shí)別與智能系統(tǒng)專業(yè)博士）、南京理工大學(xué)控制科學(xué)與工程博士后、哈爾濱工程大學(xué)訪問學(xué)者。長期從事于智能信息處理、多傳感器數(shù)據(jù)融合、微納級傳感器、無線傳感器網(wǎng)絡(luò)等方向的研究。在國內(nèi)外學(xué)術(shù)期刊及國際會(huì)議上發(fā)表論文近三十篇，專利多項(xiàng)。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
- >
史學(xué)評論
- >
自卑與超越
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
龍榆生：詞曲概論/大家小書
- >
姑媽的寶刀
本類暢銷
