智能信息处理方法导论

　　“智能”一词是21世纪的热门话题，是诸多学科研究和应用的热点。其涉及到的学科，包括电子科学与技术、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：其应用领域则更加广阔。本书从智能信息处理的产生背景和发展历史、基本理论和方法、应用以及研究现状和发展趋势等方面，介绍了模糊理论及其应用、进化计算及其应用、协同计算及其应用、信息融合技术及其应用、盲分离技术及其应用、分形理论及其应用、粗糙集合理论及其应用和认知图及其应用等智能信息处理方法。本书可作为电子科学与技术、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的研究生、高年级本科生选修课程的教材和博士生有关“智能信息处理专题”的教材，同时可作为从事“智能信息处理”理论和应用研究人员的参考书。前言当今社会，“智能”是一个十分时髦的词，原先的许多名词和动名词之前均被加上了“智能”二字，如：智能小区、智能建筑、智能家居、智能空调、智能洗衣机，还有智能设计、智能制造、智能检测、智能监控、智能控制、智能交通等。“智能”不断地产生新事物、新学科、新的研究热点，同时“智能”还使旧事物富有灵气、传统学科焕发新的活力。人工智能（ArtificialIntelligence）就是通过对人类智力活动奥秘的探索与记忆思维机理的研究，来开发人类智力活动的潜能、探讨用各种机器模拟人类智能的途径，使人类的智能得以物化与延伸的一门学科。近年来，借鉴仿生学思想，基于生物体系的生物进化、细胞免疫、神经细胞网络等的某些机制，用数学语言的抽象描述，来模仿生物体系和人类的智能机制，产生了所谓的计算智能（COmputationalIntelligence，CI）。人类具有探索自然规律、了解未知世界、探索自身奥秘的内动力；具有生存和提高生活质量的需求。受这两方面原动力的驱动，人类不断地研究新的方法和技术，不断地研制各种工具、仪器和机器，来延伸、拓展和增强自身的各种能力。各种工具、仪器和机器的制造增强了人的四肢和五官的能力，使人从繁重的体力劳动中解放出来。计算机的发明则增强了大脑的能力，拓展了人的记忆、计算、推理和思维能力。然而人类所面对的客观世界是变化的、发展的，是浩瀚无垠的，人类的知识虽然在不断丰富、不断更新，但是相对客观世界，始终是不完全的、不可靠的和不确定的。但人类正是用这不精确的、不完美的知识，不断地、逐步地了解客观世界的。人工智能、人工神经网络、进化计算、模糊系统理论等都是在人类现有认识的基础上所产生的新的方法和理论，是人类进一步探索自然规律、了解未知世界、探索自身奥秘和提高生活质量的工具。智能信息处理就是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的过程和方法。就是利用对不精确性、不确定性的容忍来达到问题的可处理性和鲁棒性。智能信息处理涉及到信息科学的多个领域，是现代信号处理、人工神经网络、模糊系统理论、进化计算，包括人工智能等理论和方法的综合应用。本书介绍了这些理论、方法和工具，是有关人工神经网络（本书不介绍这方面内容，因为有关内容已不在《人工神经网络原理及仿真实例》一书中作了详细讨论）、模糊理论及其应用、进化计算及其应用、协同计算及其应用、信息融合技术及其应用、盲分离技术及其应用、分形理论及其应用、粗糙集合理论及其应用和认知图及其应用的综述性读物。本书是在合肥工业大学“图像信息处理研究室”（http：//images．hfuLedu．cn）几届博士生和硕士生协助下完成的。其中第2章由安良和胡勇负责、第3章由孟玲玲和赵琴负责、第4章由董火明负责、第5章由胡良梅负责、第6章由胡学友和曹薇负责、第7章由甘龙以及赵晶和曹薇负责、第8章由谢昭和汪荣贵负责、第9章由骆祥峰和汪荣贵负责。本书是在国家自然科学青年基金项目、国家自然科学基金面上项目、安徽省自然科学基金项目、教育部高校骨干教师资助计划项目和教育部优秀青年教师资助计划项目研究工作的基础上完成的。为此，特向国家自然科学基金委员会、安徽省自然科学基金委员会和教育部表示衷心的感谢！在编写本书的过程中，作者参考了大量的学术专著和论文，由于所参考的学术论文过多，无法一一标注和列出，对此特向这些文献的作者表示歉意！向从事智能信息处理研究的前辈专家、老师和同仁表示由衷的敬意和感谢！“图像信息处理研究室”是我事业的基石，所取得的点点滴滴成绩都离不开图像室同仁们的支持和帮助，在此向他们表示衷心感谢！本书可作为电子科学与技术、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研究生、高年级本科生选修课程的教材和博士生有关“智能信息处理专题”教材，同时对有关专业领域的研究人员和工程技术人员有重要的参考价值。由于本人水平有限，加上智能信息处理本身在不断地丰富和发展，书中难免存在错误和不妥之处，对此，恳请广大读者批评指正。

暂缺《智能信息处理方法导论》作者简介

前言
第1章 绪论
1. 1 智能
1. 2 人工智能
1. 2. 1 人工智能的定义
1. 2. 2 人工智能的三个关键部分
1. 2. 3 人工智能的发展简史
1. 3 计算智能
1. 3. 1 计算智能的产生与发展
1. 3. 2 计算智能的重要特征
1. 4 智能信息处理方法导论
1. 4. 1 人工神经网络
1. 4. 2 模糊理论及其应用
1. 4. 3 进化计算及其应用
1. 4. 4 协同计算及其应用
1. 4. 5 信息融合技术及其应用
1. 4. 6 盲分离技术及其应用
1. 4. 7 分形理论及其应用
1. 4. 8 粗糙集合理论及其应用
1. 4. 9 认知图及其应用
参考文献
第2章 模糊理论及其应用
2. 1 引言
2. 2 模糊理论基础
2. 2. 1 模糊集的基本概念及表示形式
2. 2. 2 模糊集合的基本运算
2. 2. 3 模糊关系及其合成
2. 2. 4 隶属函数的确定方法
2. 3 模糊系统
2. 3. 1 模糊逻辑系统简介
2. 3. 2 模糊逻辑系统的组成
2. 3. 3 几种常见的模糊逻辑系统
2. 3. 4 模糊系统的应用
2. 4 模糊神经网络
2. 4. 1 模糊系统和神经网络的结合——神经模糊技术
2. 4. 2 模糊神经网络的发展历程
2. 4. 3 模糊神经元
2. 4. 4 模糊神经网络的定义与类型
2. 4. 5 模糊系统和神经网络的区别和联系
2. 5 模糊理论的应用
2. 5. 1 模糊聚类分析
2. 5. 2 模糊模式识别
2. 5. 3 模糊理论在图像处理中的应用
2. 5. 4 模糊控制
2. 6 模糊理论的研究现状与发展趋势
2. 6. 1 研究现状
2. 6. 2 发展趋势
参考文献
第3章 进化计算及应用
3. 1 引言
3. 1. 1 进化计算的产生背景
3. 1. 2 进化计算的发展过程
3. 1. 3 进化计算的主要特点
3. 2 进化计算
3. 2. 1 进化计算的生物学基础
3. 2. 2 进化计算的基本结构
3. 2. 3 进化计算的分类
3. 3 遗传算法基本理论
3. 3. 1 遗传算法的基本思想
3. 3. 2 遗传算法的基本结构
3. 3. 3 基本遗传算子
3. 3. 4 遗传算法的数学基础
3. 3. 5 遗传规划
3. 4 进化策略基本理论
3. 4. 1 进化策略的基本算法构成
3. 4. 2 进化策略的数学基础
3. 4. 3 进化策略的主要特点
3. 5 进化规划基本理论
3. 5. 1 进化规划的基本算法构成
3. 5. 2 进化规划的主要特点
3. 6 进化计算的研究现状和发展趋势
3. 6. 1 进化计算的研究现状
3. 6. 2 进化计算的发展趋势
3. 6. 3 网上进化计算的相关资源
参考文献
第4章 协同计算及其应用
4. 1 引言
4. 2协同学简介
4. 2. 1 协同学的基本思想
4. 2. 2 协同学的数学模型
4. 2. 3 协同学中的关键概念
4. 3 协同模式识别方法
4. 3. 1 模式识别的基本理论与方法
4. 3. 2 协同模式识别及其数学模型
4. 3. 3 协同识别的网络实现——协同神经网络
4. 3. 4 协同识别中的关键概念
4. 3. 5 协同模式识别过程
4. 3. 6 协同识别中的关键技术
4. 3. 7 协同模式识别方法的优点
4. 4 协同计算的应用
4. 4. 1 模式识别中的应用
4. 4. 2 图像分析中的应用
4. 4. 3 协同信息理论
4. 4. 4 协同联想记忆
4. 4. 5 协同计算机视觉
4. 4. 6 其他应用
4. 5 协同计算的研究现状与发展趋势
4. 5. 1 研究现状
4. 5. 2 发展趋势
参考文献
第5章 信息融合技术及其应用
5. 1 引言
5. 2 信息融合的基本理论
5. 2. 1 信息融合的定义
5. 2. 2 信息融合的基本原理
5. 2. 3 信息融合的功能模型及相应方法
5. 2. 4 信息融合的体系结构
5. 2. 5 信息融合的层次结构
5. 3 信息融合算法
5. 3. 1 物理模型类识别算法
5. 3. 2 基于特征的推理技术
5. 3. 3 认知模型类识别算法
5. 4 D-S证据理论
5. 4. 1 基本概念
5. 4. 2 结合多源信息的Dempster准则
5. 4. 3 基本概率赋值的获取
5. 4. 4 D-S证据理论的优缺点
5. 4. 5 D-S证据理论的应用
5. 5 信息融合的应用
5. 5. 1 军事应用
5. 5. 2 非军事应用
5. 6 信息融合的研究现状与发展趋势
5. 6. 1 研究现状
5. 6. 2 发展趋势
参考文献
第6章 盲信号分离及其应用
6. 1 引言
6. 2 盲信号分离的基本理论
6. 2. 1 盲信号分离的数学建模
6. 2. 2 盲信号分离的可解性与独立性分析
6. 2. 3 盲信号分离的目标函数
6. 2. 4 盲信号分离的优化算法
6. 3 盲信号分离的典型算法
6. 3. 1 H-J算法
6. 3. 2 最大熵算法
6. 3. 3 最小互信息算法
6. 3. 4 最大似然算法
6. 3. 5 定点算法
6. 3. 6 非线性PCA算法
6. 3. 7 算法的统一性与相关性
6. 3. 8 盲反卷积算法和非线性盲分离算法概述
6. 4 盲信号分离的应用
6. 4. 1 语音信号处理
6. 4. 2 生物医学信号处理
6. 4. 3 金融数据分析
6. 4. 4 图像处理
6. 4. 5 特征提取及其在人脸识别中的应用
6. 4. 6 阵列信号处理以及在移动通信中的应用
6. 5 盲信号分离的研究现状与发展趋势
6. 5. 1 盲信号分离的研究现状
6. 5. 2 盲信号分离的发展趋势
参考文献
第7章 分形理论及其应用
7. 1 引言
7. 1. 1 分形理论的产生与发展
7. 1. 2 分形概念
7. 2 分形的基本理论
7. 2. 1 迭代函数系统
7. 2. 2 分数维
7. 2. 3 分形布朗运动
7. 2. 4 图像分数维的提取
7. 3 分形理论的应用
7. 3. 1 图像分析与处理
7. 3. 2 L系统与植物模拟
7. 3. 3 雷达信号处理
7. 3. 4 语音识别
7. 3. 5 信息隐藏
7. 4 分形理论的研究现状与发展趋势
参考文献
第8章 粗糙集理论及其应用
8. 1 引言
8. 2 粗糙集基本理论
8. 2. 1 基本概念
8. 2. 2 近似集的性质
8. 2. 3 粗糙集信息处理方法及过程
8. 3 粗糙集应用
8. 3. 1 医疗诊断系统
8. 3. 2 模式识别
8. 3. 3 机器人控制系统
8. 3. 4 其他应用
8. 3. 5 粗糙集实验系统
8. 4 粗糙集理论的研究现状与发展趋势
8. 4. 1 粗糙集的研究现状概述
8. 4. 2 粗糙集的发展前景
参考文献
第9章 认知图及其应用
9. 1 引言
9. 2 古典认知图与模糊认知图
9. 2. 1 古典认知图
9. 2. 2 模糊认知图
9. 3 概率模糊认知图
9. 3. 1 概率模糊认知图
9. 3. 2 PFCM的性质
9. 3. 3 试验结果
9. 4 基于知识库的信任模糊认知图
9. 4. 1 模糊认知图与基于规则的模糊认知图
9. 4. 2 基于知识库的信任模糊认知图
9. 4. 3 实验结果与分析
9. 5 基于模糊认知图的机器人高层规划
9. 5. 1 基于认知图的机器人高层规划
9. 5. 2 机器人在含障碍物环境中的高层规划
9. 5. 3 机器人在复杂环境中的高层规划
9. 5. 4 机器人在复杂环境中的合作与协调
9. 5. 5 实验结果
9. 6 认知图的发展趋势与研究现状
9. 6. 1 认知图的发展简史
9. 6. 2 认知图的研究现状
9. 6. 3 认知图各主要模型的比较
9. 6. 4 认知图的发展趋势
参考文献
附录 中英文关键词对照