智能信息处理（第2版）

　　智能信息处理在复杂系统建模、系统分析、系统决策、系统控制、系统优化和系统设计等领域具有广阔的应用前景。《智能信息处理（第2版）》介绍模糊信息处理、神经网络信息处理、云信息处理、可拓信息处理、粗集信息处理、遗传算法、蚁群算法、免疫算法、信息融合、量子智能信息处理、粒子群优化算法和DNA算法。《智能信息处理（第2版）》除供智能信息处理与智能控制技术研究人员参考外，还可作为相关专业研究生教材和大学高年级选修课教材。

暂缺《智能信息处理（第2版）》作者简介

第1章 模糊信息处理
1.1 电气设备故障诊断模糊模型
1.1.1 故障诊断模糊化的必要性
1.1.2 三比值法模糊化处理
1.1.3 举例说明
1.1.4 模糊故障诊断要点及评判结论
1.2 多目标模糊优化方法
1.2.1 多目标优化问题
1.2.2 多目标结构模糊优化问题的解法
1.2.3 隶属函数选取时对优化结果的影响
1.2.4 数值实例
1.3 数据处理的模糊熵方法
1.3.1 模糊事件的熵
1.3.2 用基于熵的模糊方法评定测量结果
1.3.3 实例分析
1.4 自适应模糊聚类分析
1.4.1 基本的FCM聚类算法
1.4.2 自适应模糊C均值聚类算法
1.4.3 应用实例
1.5 模糊关联分析
1.5.1 模糊综合评价分析
1.5.2 模糊关联分析法原理与方法
1.5.3 实例研究
1.6 模糊信息优化方法
1.6.1 模糊信息优化处理概述
1.6.2 模糊信息优化处理的基本理论
1.6.3 黄土湿陷性评价实例分析
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 12DM模糊决策集成模型
1.8.3 12DM模糊决策集成模型分析
1.9 模糊Petri网
1.9.1 Petri网
1.9.2 基于模糊Petri网模型的知识描述
1.9.3 基于模糊Petri网的推理算法
1.9.4 推理实例
第2章 神经网络信息处理
2.1 神经网络一般模型
2.1.1 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
2.2 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神经网络的特点
2.4.2 RBF神经网络的结构与训练
2.4.3 高速公路RBF神经网络限速控制器
2.5 贝叶斯一高斯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
……
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 蚁群算法
第8章 免疫算法
第9章 信息融合
第10章 量子智能信息处理
第11章 粒子群优化算法
第12章 DNA算法
参考文献