智能信息处理技术PDF|Epub|txt|kindle电子书版本网盘下载

智能信息处理技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

1.1 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 智能信息处理技术的应用和现状4

1.2 智能信息处理的主要技术7

1.2.1 模糊计算技术7

1.2.2 神经计算技术12

1.2.3 进化计算技术14

1.2.4 混沌计算技术18

1.2.5 分形计算技术23

1.3.1 模糊系统与神经网络结合26

1.3 智能技术的综合集成26

1.3.2 神经网络和遗传算法的结合27

1.3.3 模糊技术、神经网络和遗传算法的综合集成28

1.3.4 神经、模糊和混沌的融合29

1.3.5 分形与混沌：孪生兄弟30

1.3.6 计算智能展望30

参考文献31

第一篇 模糊计算(Fuzzy Computing)32

第二章 模糊集合与模糊逻辑32

2.1 普通集合及其运算33

2.1.1 集合的概念33

2.1.2 集合的表示方法33

2.1.3 集合的基本运算35

2.1.4 集合运算规则36

2.1.5 特征函数37

2.1.6 集合的直积38

2.1.7 关系矩阵38

2.2 模糊集合及其运算规则39

2.2.1 模糊集合与隶属度39

2.2.2 模糊集合的表示41

2.2.3 隶属函数及其确定42

2.2.4 模糊集合的基本运算48

2.2.5 模糊集合运算的基本规则49

2.3 模糊关系50

2.4.1 模糊逻辑56

2.4.2 模糊推理56

2.4 模糊逻辑和模糊推理56

2.4.3 几种常见的模糊推理图形解释61

参考文献64

第三章 模糊信息处理66

3.1 模糊逻辑控制的信息处理66

3.1.1 模糊控制的基本结构和组成66

3.1.2 基本模糊控制器的设计方法67

3.1.3 基本模糊控制器设计实例70

3.1.4 多变量模糊控制器的信息处理76

3.1.5 自组织模糊控制系统79

3.1.6 模糊系统辨识85

3.2 模糊模式识别信息处理87

3.2.1 模糊聚类分析88

3.2.2 模糊等价关系与聚类分析91

3.2.3 基于模糊相似关系的模式分类93

3.2.4 基于最大隶属原则的识别98

3.2.5 基于择近原则的识别102

3.3 模糊集在图像信息处理中的应用103

3.3.1 图像的模糊特征平面103

3.3.2 图像的模糊增强104

3.3.3 图像的模糊性指数和模糊熵108

3.3.4 图像边缘检测中的模糊方法110

3.3.5 图像的模糊聚类分割113

参考文献115

第四章 神经网络信息处理116

4.1 神经网络的基本原理116

第二篇 神经计算(Neural Computing)116

4.1.1 神经网络处理单元117

4.1.2 神经网络的拓扑结构125

4.2 前馈型神经网络128

4.2.1 多层感知器神经网络128

4.2.2 BP(Back-propagation)神经网络模型130

4.2.3 几种 BP 算法的改进方法134

4.3 反馈型神经网络140

4.3.1 离散型 Hopfield 网络140

4.3.2 连续型 Hopfield 网络142

4.3.3 Hopfield 网络用于联想记忆144

4.4 径向基函数网络(Radial Basis Function Network)153

4.5.1 自组织特征映射网络155

4.5 自组织神经网络155

4.5.2 自适应共振理论模型157

4.6 双向联想记忆网络162

4.6.1 网络拓扑结构162

4.6.2 学习规则及联想回忆162

4.6.3 网络的稳定性及扩展形式163

4.7 脑模型控制器(Cerebellar Model Articulation Controller)164

4.8 小波神经网络169

4.8.1 小波分析简介169

4.8.2 小波基神经网络170

4.8.3 用于信号分类的小波神经网络171

4.9.1 CNN 网络的模型173

4.9 细胞神经网络173

4.9.2 CNN 网络系统的分析176

4.9.3 CNN 网络的应用177

4.10 B 样条神经网络186

参考文献190

第五章 模糊神经网络信息处理192

5.1 模糊信息处理与神经网络的融合192

5.2 模糊逻辑神经网络信息处理器196

5.2.1 模糊逻辑神经元196

5.2.2 神经网络实现模糊化、反模糊化204

5.3 模糊推理网络模型210

5.3.1 直接推理网络模型210

5.3.2 模糊信息处理神经网络212

5.3.3 模糊推理网络系统215

5.4 基于模糊规则系统的神经网络模型218

5.5 基于模糊神经网络的模型参考自适应控制221

5.6 神经网络的模糊识别应用226

参考文献230

第三篇 进化计算232

第六章 进化计算的基本方法232

6.1 进化计算的简要概念233

6.1.1 进化计算的诞生233

6.1.2 进化计算的主要特点和分类233

6.1.3 进化计算的理论研究与应用现状237

6.2 遗传算法的描述238

6.3.1 遗传算法的基本原理243

6.3 遗传算法的基本原理和方法243

6.3.2 模式理论251

6.3.3 遗传算法的算子256

6.4 遗传规划的基本原理和方法262

6.4.1 遗传规划的一般方法步骤263

6.4.2 遗传规划的基本原理263

6.4.3 辅助算子274

6.4.4 控制参数277

6.4.5 模式理论278

6.5 进化策略的基本方法和模式280

参考文献283

7.1.1 遗传算法在非线性优化中的应用284

7.1 遗传算法在优化中的应用284

第七章 进化计算的信息处理284

7.1.2 背包问题(Knapsack problem)285

7.1.3 基于 GA 的多机阶段的 Flow Shop 问题289

7.2 进化算法与神经网络、模糊系统的结合294

7.2.1 遗传算法与神经网络的结合295

7.2.2 遗传算法与模糊系统的结合306

7.3 遗传算法在神经网络控制器中的应用310

7.3.1 改进型的遗传算法310

7.3.2 基于 GA 的神经网络自适应控制系统312

7.4 遗传算法在图像处理中的应用314

7.4.1 GA 在图像恢复中的应用314

7.4.2 图像分割的遗传算法方法317

7.5 遗传算法在人工生命中的应用319

7.5.1 人工生命的研究内容和方法319

7.5.2 遗传算法与人工生命进化模型321

7.5.3 人工生命与遗传信息处理322

参考文献326

第四篇 混沌与分形计算327

第八章 混沌信息处理327

8.1 混沌的基本概念327

8.2 混沌与智能信息处理330

8.2.1 复杂动力学与信息处理功能330

8.2.2 混沌松弛与多输入输出功能331

8.2.4 混沌学习332

8.2.5 混沌与1/f 起伏332

8.2.3 混沌吸引子332

8.2.6 混沌在信息处理中的其他应用333

8.2.7 混沌工程学334

8.3 混沌动力学336

8.3.1 Logistic 映射336

8.3.2 圆周映射344

8.3.3 分支345

8.3.4 Lyapunov 指数352

8.4 混沌神经网络模型362

8.4.1 混沌神经网络362

8.4.2 自组织映射混沌神经网络模型366

8.5 混沌在优化中的应用372

8.6 混沌在智能控制中的应用375

参考文献378

第九章 分形信息处理380

9.1 分形的定义380

9.2 分形理论基础385

9.2.1 分形空间385

9.2.2 迭代函数系统387

9.2.3 拼贴原理396

9.2.4 分数布朗运动的建立402

9.2.5 分形插值404

9.2.6 分数维408

9.3 分形神经网络信息处理415

9.4 分形图像压缩的基本方法420

9.5 图像中分数维的提取及应用426

9.6 分形变换在图像压缩中的应用429

参考文献438

第十章 智能信息处理技术的应用实例440

10.1 神经计算在图像信息处理中的应用440

10.1.1 卫星遥感图像的神经网络自动分类440

10.1.2 自联想神经网络的遥感图像主分量提取447

10.1.3 神经网络图像压缩编码454

10.2 基于神经网络的机器人控制459

10.3 语音的神经网络识别技术465

10.3.1 基于玻耳兹曼机的音素识别465

10.3.2 基于矢量化器(LVQ)方法的音素识别467

10.4 小波神经网络信息融合故障诊断处理470

10.5.1 复杂大系统的工业自动化476

10.5 复杂工业过程的综合集成智能控制476

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480

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485

10.6 神经网络在线性规划中的应用493

10.6.1 不等式条件的 LP(线性规则)493

10.7 混沌动力学系统的控制497

10.8 分形变换在图像噪声平滑中的应用502

10.9 短时分形维数的模糊控制滤波应用507

10.10 类噪声混沌编码在图像联想记忆中的应用512

10.11 融合技术517

10.11.1 多传感器图像信息融合处理技术517

10.11.2 基于神经网络的多聚焦图像融合519

参考文献527