图书信息

内容简介

图书目录

图书信息

书 名: 智能信息处理与应用

作　者：李明

出版社： 电子工业出版社

出版时间： 2010年9月1日

ISBN: 9787121117985

开本： 16开

定价: 39.00元

内容简介

《智能信息处理与应用》内容简介：智能信息处理涉及信息学科的诸多领域。《智能信息处理与应用》从理论方法和实践技术角度，论述了智能信息处理技术的主要概念、基本原理、典型方法及新的发展。《智能信息处理与应用》共11章，包括不确定性信息处理、模糊集与粗糙集理论、人工神经网络、支持向量机、遗传算法、群体智能、人工免疫、量子算法、信息融合技术，以及智能信息处理技术在人脸识别和说话人识别中的应用。

《智能信息处理与应用》适合从事智能信息处理研究的科研人员和智能系统开发与应用的工程技术人员阅读，也可作为研究生的相关课程或专题的参考书。

图书目录

第1章 不确定性信息处理 （1）

1.1 知识的不确定性 （1）

1.1.1 随机性 （1）

1.1.2 模糊性 （2）

1.1.3 自然语言中的不确定性 （2）

1.1.4 常识的不确定性 （2）

1.1.5 知识的其他不确定性 （3）

1.2 不确定性的度量方法 （3）

1.2.1 概率度量和贝叶斯公式 （3）

1.2.2 模糊度量及性质 （5）

1.2.3 其他度量方法 （6）

1.3 不确定性推理方法 （6）

1.3.1 主观贝叶斯推理 （6）

1.3.2 模糊逻辑推理 （10）

1.3.3 证据理论 （12）

1.4 挖掘不确定知识的方法 （14）

1.5 小结 （18）

参考文献 （18）

第2章 模糊集与粗糙集理论 （20）

2.1 模糊集合及其运算 （20）

2.1.1 模糊集合的概念 （21）

2.1.2 模糊集合的运算 （23）

2.1.3 模糊集合的扩张原理 （24）

2.1.4 隶属函数的建立 （25）

2.2 粗糙集经典理论 （26）

2.3 知识约简 （28）

2.3.1 一般约简 （29）

2.3.2 相对约简 （29）

2.3.3 分辨矩阵 （30）

2.4 决策表的约简 （31）

2.4.1 决策规则和决策算法 （32）

2.4.2 决策规则中的不一致性和不可分辨性 （32）

2.4.3 属性的依赖性 （33）

2.4.4 一致决策表的约简 （33）

2.4.5 非一致决策表的约简 （37）

2.5 基于属性值的约简算法 （42）

2.5.1 什么是属性值的约简 （42）

2.5.2 属性值的约简在决策表当中的应用 （43）

2.5.3 属性值的直接约简及应用 （46）

2.6 粗糙集的扩展模型 （49）

2.6.1 可变精度粗糙集模型 （49）

2.6.2 概率粗糙集模型 （51）

2.7 小结 （53）

参考文献 （54）

第3章 人工神经网络 （55）

3.1 人工神经网络概述 （55）

3.1.1 神经元理论 （56）

3.1.2 神经网络的拓扑结构 （57）

3.1.3 人工神经网络的学习和训练 （58）

3.2 BP神经网络 （59）

3.2.1 BP人工神经网络结构 （59）

3.2.2 BP算法的基本思想 （62）

3.2.3 BP网络学习算法 （62）

3.3 RBF神经网络 （65）

3.3.1 RBF神经网络结构 （65）

3.3.2 RBF神经网络的映射关系 （66）

3.3.3 RBF网络学习算法 （68）

3.4 概率神经网络 （71）

3.4.1 概率神经网络结构 （71）

3.4.2 概率神经网络训练 （72）

3.5 小结 （73）

参考文献 （74）

第4章 支持向量机 （76）

4.1 机器学习问题 （76）

4.2 统计学习理论 （79）

4.2.1 VC维 （79）

4.2.2 推广性的界 （82）

4.2.3 结构风险最小化理论 （82）

4.3 支持向量机的工作原理 （84）

4.3.1 最优分类面 （84）

4.3.2 广义最优分类面 （87）

4.3.3 核函数 （87）

4.4 支持向量机的训练法 （89）

4.4.1 分块算法 （90）

4.4.2 多变量更新算法 （93）

4.4.3 序列算法 （93）

4.5 小结 （94）

参考文献 （95）

第5章 遗传算法 （96）

5.1 遗传算法概述 （97）

5.1.1 遗传算法的发展 （97）

5.1.2 遗传算法的特点和应用 （99）

5.2 遗传算法的基本流程及实现技术 （102）

5.2.1 遗传算法的基本流程 （102）

5.2.2 遗传算法的实现技术 （104）

5.3 遗传算法的基本原理 （109）

5.3.1 模式定理 （109）

5.3.2 积木块假设 （111）

5.3.3 收敛性理论 （112）

5.4 遗传算法的改进 （115）

5.4.1 混合遗传算法 （115）

5.4.2 自适应遗传算法 （116）

5.4.3 变长度染色体遗传算法 （117）

5.4.4 小生境遗传算法 （118）

5.4.5 并行遗传算法 （119）

5.5 小结 （121）

参考文献 （122）

第6章 群体智能 （124）

6.1 粒子群优化算法 （124）

6.1.1 粒子群优化算法的基本原理 （125）

6.1.2 改进的粒子群优化算法 （127）

6.1.3 粒子群优化算法的应用 （133）

6.2 蚁群算法 （137）

6.2.1 蚁群算法的原理 （137）

6.2.2 改进型蚁群算法 （139）

6.2.3 蚁群算法的应用 （142）

6.3 小结 （144）

参考文献 （145）

第7章 人工免疫 （149）

第8章 量子算法 （161）

第9章 信息融合技术 （174）

第10章 人脸识别技术 （214）

第11章 说话人识别 （243）

参考文献 （275）