内容简介
《智能信息处理导论》可作为智能科学与技术、电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业本科生的教材和相关专业研究生、博士生“智能信息处理与优化”等课程的教材，同时可以供智能信息处理与智能控制技术研究人员参考。
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 模糊多属决策的模糊度方法1．7．1 模糊多属决策1．7．2 模糊多属决策模型1．7．3 模糊多属决策的模糊度解法1．7．4 算例分析1．8 信息不确知的模糊决策集成模型1．8．1 信息不确知的多目标决策1．8．2 决策信息不确知的模糊决策集成模型1．8．3 决策信息不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br/>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r/>2．3．3 贝叶斯神经网络算法2．4 RBF神经网络2．4．1 RBF特点2．4．2 RBF神经网络的结构与训练2．4．3 高速公路ANN限速控制器的设计2．5 贝叶斯——高速神经网络非线系统辨识2．5．1 BPNN分析2．5．2 BG推理模型和BGNN2．5．3 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 发动机能曲线神经网络法2．7．2 发动机神经网络辨识结构2．8 组合灰色神经网络模型2．8．1 灰色预测模型2．8．2 灰色神经网络预测模型第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 免疫算法第8章 蚁群算法第9章 量子智能信息处理第10章 信息融合参考文献