智能方法及应用

　　《智能方法及应用》主要总结了目前比较常见的智能方法包括模糊计算、粗糙集与粒计算、群智能、神经网络、进化计算、人工免疫系统等，并从方法、模型和应用等三方面进行了阐述。重点讨论了智能挖掘分析方法、智能融合与优化方法以及智能方法在信息检索、推荐系统、观点挖掘、隧道监控、绿色计算等方面的典型应用。通过理论研究和具体实验分析，对各种常见智能方法及典型应用进行了剖析，并对未来智能技术进行了展望。

暂缺《智能方法及应用》作者简介

序
第1章绪论1
1.1智能计算方法1
1.1.1神经网络2
1.1.2遗传算法与演化计算2
1.1.3免疫信息处理4
1.1.4生态计算5
1.1.5各领域的内在联系5
1.2智能挖掘方法6
1.2.1决策树类模型7
1.2.2k平均算法9
1.2.3支持向量机9
1.2.4贝叶斯分类器11
1.2.5k邻近算法13
1.2.6CART回归树分类器14
1.2.7Adaboost分类器15
1.2.8关联规则Apriori算法16
1.2.9最大期望17
1.2.10PageRank17
第2章智能方法基础19
2.1模糊计算19
2.1.1模糊理论基础19
2.1.2模糊逻辑与模糊推理24
2.1.3模糊判决基本方法26
2.2粗糙集理论27
2.2.1粗糙集理论的概念27
2.2.2粗糙集属性约简基本算法30
2.2.3粗糙集理论的应用31
2.3人工神经网络33
2.3.1人工神经网络概念33
2.3.2人工神经网络学习算法35
2.3.3人工神经网络典型模型及其算法35
2.4进化计算43
2.4.1进化计算原理基础43
2.4.2遗传算法44
2.4.3进化策略49
2.4.4进化规划50
2.5人工免疫计算52
2.5.1人工免疫系统的工作原理52
2.5.2一般人工免疫算法54
2.5.3阴性选择算法55
2.5.4克隆选择算法56
2.5.5免疫遗传算法（IGA）56
2.6群智能计算58
2.6.1粒子群优化算法58
2.6.2蚁群算法61
2.7深度学习模型66
    iv    第3章智能挖掘方法70
3.1关联规则挖掘70
3.1.1关联规则的概念70
3.1.2关联规则基本原理72
3.1.3关联规则基本算法74
3.1.4实例分析79
3.2序列模式挖掘80
3.2.1序列模式挖掘的概念81
3.2.2序列模式挖掘基本原理82
3.2.3序列模式挖掘基本算法83
3.3监督学习90
3.3.1最近邻分类90
3.3.2决策树92
3.3.3贝叶斯分类器97
3.4无监督学习100
3.4.1k 均值聚类算法100
3.4.2层次聚类104
3.4.3基于密度的聚类108
3.5向量空间模型112
3.5.1基本定义112
3.5.2基本方法112
3.5.3实例分析115
3.6语义网模型116
3.6.1WordNet简介116
3.6.2WordNet节点间的关系117
3.6.3WordNet中各类词性的组织119
3.6.4WordNet在计算机中的存储结构及其使用方式120
3.6.5基于WordNet语义相似度的计算方法123
    v    第4章智能融合方法124
4.1灰色神经网络124
4.1.1灰色神经网络原理124
4.1.2灰色神经网络模型127
4.1.3遗传优化的灰色神经网络136
4.1.4实例分析137
4.2灰色粗糙集139
4.2.1灰色粗糙集基本原理140
4.2.2灰色粗糙集基本方法140
4.2.3实例分析143
4.3量子神经网络145
4.3.1量子理论的基本原理及概念145
4.3.2量子计算与量子学习147
4.3.3量子神经网络149
4.3.4实例分析152
4.4量子进化计算153
4.4.1量子进化算法153
4.4.2典型应用156
4.4.3实例分析156
第5章智能方法典型应用160
5.1基于不完备信息系统的知识约简160
5.1.1不完备信息系统的基本概念161
5.1.2基于动态量化非对称相似关系的扩充粗糙集模型162
5.1.3动态调节知识重要性的约简算法163
5.1.4实例分析166
5.2最小属性约简168
5.2.1最小属性约简过程168
5.2.2粒矩阵属性约简的启发式算法169
5.2.3实例分析169
5.3求解最小MPR集171
5.3.1节点的最小MPR集求解172
5.3.2基于蚁群算法求解最小MPR集173
5.3.3改进的蚁群算法模型174
5.3.4OPNET仿真176
5.4城市隧道监控数据清理178
    vi    5.4.1智能交通的现状179
5.4.2城市监控数据的特征179
5.4.3基于不重复采样的RICA车检器数据清理算法180
5.4.4实验分析183
5.5城市隧道交通态势预测187
5.5.1数据来源和特征项的选取187
5.5.2交通态势等级的划分188
5.5.3隧道交通态势的预测189
5.5.4多类分类方法190
5.5.5基于分类的交通态势预测算法191
5.5.6实验分析193
第6章智能方法Web应用196
6.1Web信息检索及其个性化技术196
6.1.1信息检索的概念196
6.1.2文本相似度计算197
6.1.3个性化信息检索202
6.2微博语义特征扩展和实时检索平台206
6.2.1基于向量空间模型的微博文本相似度计算207
6.2.2基于WordNet的微博文本语义相似度计算208
6.2.3基于维基百科的微博特征扩展209
6.2.4基于TwitterStorm平台的实时微博检索系统211
6.3Web推荐系统及其示例217
6.3.1协同过滤推荐217
6.3.2基于用户的协同过滤推荐218
6.3.3基于项目的协同过滤推荐221
6.3.4评分相关223
6.3.5基于模型的协同过滤推荐225
6.3.6推荐系统的实际应用232
6.3.7谷歌新闻个性化推荐234
6.3.8协同过滤方法的应用分析235
6.4产品观点的挖掘以及用户满意度的评价236
6.4.1用户满意度评价的一般方法236
6.4.2基于灰色评估的用户满意度综合评价方法237
6.4.3基于灰色评估的用户满意度评价仿真研究241
6.4.4实验结果分析245
第7章智能方法拓展研究246
7.1智能方法应用246
7.2拓展研究247
7.2.1智能方法与物联网247
7.2.2智能方法与云计算248
7.2.3智能方法与社会计算249
7.2.4智能方法与大数据251
7.2.5智能方法与绿色计算254
参考文献256