《计算智能信息处理技术及其应用》求取 ⇩

第一章绪论1

1.1计算智能信息处理的产生及其发展1

1.1.1计算智能的产生1

1.1.2计算智能信息处理技术的应用和现状3

1.2计算智能信息处理的主要技术5

1.2.1模糊计算技术5

1.2.2神经计算技术8

1.2.3进化计算技术10

1.2.4混沌计算技术12

1.2.5分形计算技术16

1.3计算智能技术的综合集成18

1.3.1模糊系统与神经网络结合18

1.3.2神经网络和遗传算法的结合19

1.3.3模糊技术、神经网络和遗传算法的综合集成20

1.3.4神经、模糊和混沌的融合20

1.3.5分形与混沌：孪生兄弟21

1.3.6计算智能展望21

参考文献21

第一篇 模糊计算24

第二章模糊集合与模糊逻辑24

2.1普通集合及其运算24

2.1.1集合的概念24

2.1.2集合的表示方法24

2.1.3集合的基本运算26

2.1.4集合运算规则26

2.1.5特征函数27

2.1.6集合的直积28

2.1.7关系矩阵29

2.2模糊集合及其运算规则29

2.2.1模糊集合与隶属度29

2.2.2模糊集合的表示31

2.2.3隶属函数及其确定32

2.2.4模糊集合的基本运算37

2.2.5模糊集合运算的基本规则38

2.3模糊关系39

2.4模糊逻辑和模糊推理43

2.4.1模糊逻辑43

2.4.2模糊推理44

2.4.3几种常见的模糊推理图形解释47

参考文献50

第三章模糊信息处理51

3.1模糊逻辑控制的信息处理51

3.1.1模糊控制的基本结构和组成51

3.1.2基本模糊控制器的设计方法52

3.1.3基本模糊控制器设计实例54

3.1.4多变量模糊控制器的信息处理59

3.1.5自组织模糊控制系统61

3.1.6模糊系统辨识66

3.2模糊模式识别信息处理68

3.2.1模糊聚类分析68

3.2.2模糊等价关系与聚类分析71

3.2.3基于模糊相似关系的模式分类72

3.2.4基于最大隶属原则的识别76

3.2.5基于择近原则的识别79

3.3模糊集在图像信息处理中的应用80

3.3.1图像的模糊特征平面80

3.3.2图像的模糊增强80

3.3.3图像的模糊性指数和模糊熵83

3.3.4图像边缘检测中的模糊方法84

3.3.5图像的模糊聚类分割87

参考文献88

第二篇 神经计算90

第四章神经网络信息处理90

4.1神经网络的基本原理90

4.1.1神经网络处理单元90

4.1.2神经网络的拓扑结构96

4.2前馈型神经网络98

4.2.1多层感知器神经网络99

4.2.2BP（Back-propagation）神经网络模型100

4.2.3几种BP算法的改进方法103

4.3反馈型神经网络107

4.3.1离散型Hopfield网络107

4.3.2连续型Hopfield网络109

4.3.3Hopfield网络用于联想记忆110

4.4径向基函数网络116

4.5自组织神经网络118

4.5.1自组织特征映射网络118

4.5.2自适应共振理论模型120

4.6双向联想记忆网络123

4.6.1网络拓扑结构123

4.6.2学习规则及联想回忆123

4.6.3网络的稳定性及扩展形式124

4.7脑模型控制器125

4.8小波神经网络128

4.8.1小波分析简介128

4.8.2小波基神经网络129

4.8.3用于信号分类的小波神经网络130

4.9细胞神经网络131

4.9.1CNN网络的模型131

4.9.2CNN网络系统的分析134

4.9.3CNN网络的应用135

4.10B样条神经网络142

参考文献146

第五章模糊神经网络信息处理147

5.1模糊信息处理与神经网络的融合147

5.2模糊逻辑神经网络信息处理器150

5.2.1模糊逻辑神经元150

5.2.2神经网络实现模糊化、反模糊化155

5.3模糊推理网络模型160

5.3.1直接推理网络模型160

5.3.2模糊信息处理神经网络161

5.3.3模糊推理网络系统164

5.4基于模糊规则系统的神经网络模型166

5.5基于模糊神经网络的模型参考自适应控制169

5.6神经网络的模糊识别应用173

参考文献176

第三篇 进化计算178

第六章进化计算的基本方法178

6.1进化计算的简要概念178

6.1.1进化计算的诞生178

6.1.2进化计算的主要特点和分类178

6.1.3进化计算的理论研究与应用现状181

6.2遗传算法的描述181

6.3遗传算法的基本原理和方法185

6.3.1遗传算法的基本原理185

6.3.2模式理论192

6.3.3遗传算法的算子196

6.4遗传规划的基本原理和方法200

6.4.1遗传规划的一般方法步骤201

6.4.2遗传规划基本原理201

6.4.3辅助算子209

6.4.4控制参数212

6.4.5模式理论212

6.5进化策略的基本方法和模式214

参考文献216

第七章进化计算的信息处理217

7.1遗传算法在优化中的应用217

7.1.1遗传算法在非线性优化中的应用217

7.1.2背包问题（Knapsack problem）218

7.1.3基于GA的多机阶段的Flow Shop问题221

7.2进化算法与神经网络、模糊系统的结合225

7.2.1遗传算法与神经网络的结合225

7.2.2遗传算法与模糊系统的结合233

7.3遗传算法在神经网络控制器中的应用236

7.3.1改进型的遗传算法236

7.3.2基于GA的神经网络自适应控制系统237

7.4遗传算法在图像处理中的应用239

7.4.1GA在图像恢复中的应用239

7.4.2图像分割的遗传算法方法241

7.5遗传算法在人工生命中的应用243

7.5.1人工生命的研究内容和方法243

7.5.2遗传算法与人工生命进化模型244

7.5.3人工生命与遗传信息处理245

参考文献248

第四篇 混沌与分形计算250

第八章混沌信息处理250

8.1混沌的基本概念250

8.2混沌与智能信息处理251

8.2.1复杂动力学与信息处理功能252

8.2.2混沌松弛与多输入输出功能252

8.2.3混沌吸引子253

8.2.4混沌学习253

8.2.5混沌与1/f起伏253

8.2.6混沌在信息处理中的其他应用254

8.2.7混沌工程学254

8.3混沌动力学256

8.3.1Logistic映射256

8.3.2圆周映射262

8.3.3分支263

8.3.4Lyapunov指数269

8.4混沌神经网络模型277

8.4.1混沌神经网络277

8.4.2自组织映射混沌神经网络模型280

8.5混沌在优化中的应用286

8.6混沌在智能控制中的应用288

参考文献291

第九章分形信息处理292

9.1分形的定义292

9.2分形理论基础296

9.2.1分形空间296

9.2.2迭代函数系统297

9.2.3拼贴原理304

9.2.4分数布朗运动的建立308

9.2.5分形插值310

9.2.6分数维312

9.3分形神经网络信息处理317

9.4分形图像压缩的基本方法322

9.5图像中分数维的提取及应用326

9.6分形变换在图像压缩中的应用329

参考文献336

第十章计算智能信息处理技术的应用实例337

10.1神经计算在图像信息处理中的应用337

10.1.1卫星遥感图像的神经网络自动分类337

10.1.2自联想神经网络的遥感图像主分量提取342

10.1.3神经网络图像压缩编码347

10.2基于神经网络的机器人控制350

10.3语音的神经网络识别技术355

10.3.1基于玻耳兹曼机的音素识别355

10.3.2基于矢量化器（LVQ）方法的音素识别357

10.4小波神经网络信息融合故障诊断处理359

10.5复杂工业过程的综合集成智能控制363

10.5.1复杂大系统的工业自动化363

10.5.2基于遗传算法与模糊神经网络集成的智能控制系统366

10.5.3神经网络自适应模糊控制在复杂工业过程控制系统中的应用370

10.6神经网络在线性规划中的应用376

10.6.1不等式条件的LP（线性规则）376

10.7混沌动力学系统的控制379

10.8分形变换在图像噪声平滑中的应用384

10.9短时分形维数的模糊控制滤波应用387

参考文献390