作者：孙红
页数：308
出版社：清华大学出版社
出版日期：2019
ISBN：9787302305767
电子书格式：pdf/epub/txt
内容简介
本书从智能信息处理产生的背景和发展历史、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、免疫算法、蚁群算法、量子智能信息处理、信息融合等内容。
目录
第1章 模糊信息处理
1.1 模糊信息概述
1.1.1 模糊信息相关知识
1.1.2 模糊研究内容与应用
1.1.3 诊断模糊模型
1.2 多目标模糊优化方法
1.2.1 常规多目标优化设计的模糊解法
1.2.2 模糊多目标优化设计
1.2.3 普遍型多目标模糊优化设计方法
1.3 数据处理的模糊熵方法
1.3.1 模糊熵的公理体系与定义
1.3.2 模糊熵的图像处理
1.4 自适应模糊聚类分析
1.4.1 相关的模糊聚类算法
1.4.2 自适应模糊聚类算法
1.4.3 算法收敛性分析
1.5 模糊关联分析
1.5.1 模糊关联分析法
1.5.2 评价原理和方法
1.5.3 实证研究
1.6 模糊信息优化方法
1.6.1 模糊信息优化处理的基本理论
1.6.2 模糊信息优化实例分析
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 信息不第一确知的模糊决策集成模型
1.8.1 信息不第一确知的多目标决策
1.8.2 决策信息不第一确知的模糊决策集成模型
1.8.3 决策信息不第一确知的模糊决策集成模型分析
1.8.4 实例分析
1.9 模糊Petri网
1.9.1 Petri网概述
1.9.2 模糊Petri网的基本理论
1.9.3 基于模糊Petri网的推理算法及应用
习题
第2章 神经网络信息处理
2.1 神经网络的一般模型
2.1.1 一般形式的神经网络模型
2.1.2 神经网络学习算法
2.1.3 神经网络计算的特点
2.1.4 神经网络的拓扑结构
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 神经根网络的贝叶斯学习
1.1 模糊信息概述
1.1.1 模糊信息相关知识
1.1.2 模糊研究内容与应用
1.1.3 诊断模糊模型
1.2 多目标模糊优化方法
1.2.1 常规多目标优化设计的模糊解法
1.2.2 模糊多目标优化设计
1.2.3 普遍型多目标模糊优化设计方法
1.3 数据处理的模糊熵方法
1.3.1 模糊熵的公理体系与定义
1.3.2 模糊熵的图像处理
1.4 自适应模糊聚类分析
1.4.1 相关的模糊聚类算法
1.4.2 自适应模糊聚类算法
1.4.3 算法收敛性分析
1.5 模糊关联分析
1.5.1 模糊关联分析法
1.5.2 评价原理和方法
1.5.3 实证研究
1.6 模糊信息优化方法
1.6.1 模糊信息优化处理的基本理论
1.6.2 模糊信息优化实例分析
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 信息不第一确知的模糊决策集成模型
1.8.1 信息不第一确知的多目标决策
1.8.2 决策信息不第一确知的模糊决策集成模型
1.8.3 决策信息不第一确知的模糊决策集成模型分析
1.8.4 实例分析
1.9 模糊Petri网
1.9.1 Petri网概述
1.9.2 模糊Petri网的基本理论
1.9.3 基于模糊Petri网的推理算法及应用
习题
第2章 神经网络信息处理
2.1 神经网络的一般模型
2.1.1 一般形式的神经网络模型
2.1.2 神经网络学习算法
2.1.3 神经网络计算的特点
2.1.4 神经网络的拓扑结构
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 神经根网络的贝叶斯学习
