智能信息處理（第2版）

第1章 模糊信息處理
1.1 電氣設(shè)備故障診斷模糊模型
1.1.1 故障診斷模糊化的必要性
1.1.2 三比值法模糊化處理
1.1.3 舉例說明
1.1.4 模糊故障診斷要點及評判結(jié)論
1.2 多目標模糊優(yōu)化方法
1.2.1 多目標優(yōu)化問題
1.2.2 多目標結(jié)構(gòu)模糊優(yōu)化問題的解法
1.2.3 隸屬函數(shù)選取時對優(yōu)化結(jié)果的影響
1.2.4 數(shù)值實例
1.3 數(shù)據(jù)處理的模糊熵方法
1.3.1 模糊事件的熵
1.3.2 用基于熵的模糊方法評定測量結(jié)果
1.3.3 實例分析
1.4 自適應模糊聚類分析
1.4.1 基本的FCM聚類算法
1.4.2 自適應模糊C均值聚類算法
1.4.3 應用實例
1.5 模糊關(guān)聯(lián)分析
1.5.1 模糊綜合評價分析
1.5.2 模糊關(guān)聯(lián)分析法原理與方法
1.5.3 實例研究
1.6 模糊信息優(yōu)化方法
1.6.1 模糊信息優(yōu)化處理概述
1.6.2 模糊信息優(yōu)化處理的基本理論
1.6.3 黃土濕陷性評價實例分析
1.7 模糊多屬性決策的模糊貼近度方法
1.7.1 模糊多屬性決策
1.7.2 模糊多屬性決策模型
1.7.3 模糊多屬性決策的模糊貼近度解法
1.7.4 算例分析
1.8 信息不完全確知的模糊決策集成模型
1.8.1 信息不完全確知的多目標決策
1.8.2 12DM模糊決策集成模型
1.8.3 12DM模糊決策集成模型分析
1.9 模糊Petri網(wǎng)
1.9.1 Petri網(wǎng)
1.9.2 基于模糊Petri網(wǎng)模型的知識描述
1.9.3 基于模糊Petri網(wǎng)的推理算法
1.9.4 推理實例
第2章 神經(jīng)網(wǎng)絡(luò)信息處理
2.1 神經(jīng)網(wǎng)絡(luò)一般模型
2.1.1 神經(jīng)網(wǎng)絡(luò)模型
2.1.2 神經(jīng)網(wǎng)絡(luò)學習算法
2.1.3 神經(jīng)網(wǎng)絡(luò)計算的特點
2.2 BP神經(jīng)網(wǎng)絡(luò)模型
2.2.1 BP神經(jīng)網(wǎng)絡(luò)學習算法
2.2.2 BP神經(jīng)網(wǎng)絡(luò)建模
2.3 貝葉斯神經(jīng)網(wǎng)絡(luò)
2.3.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和貝葉斯方法
2.3.2 神經(jīng)網(wǎng)絡(luò)的貝葉斯學習
2.3.3 貝葉斯神經(jīng)網(wǎng)絡(luò)算法
2.4 RBF神經(jīng)網(wǎng)絡(luò)
2.4.1 RBF神經(jīng)網(wǎng)絡(luò)的特點
2.4.2 RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與訓練
2.4.3 高速公路RBF神經(jīng)網(wǎng)絡(luò)限速控制器
2.5 貝葉斯一高斯神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識
2.5.1 BPNN分析
2.5.2 BG推理模型和BGNN
2.5.3 BGNN的自組織過程
2.5.4 仿真研究
2.6 廣義神經(jīng)網(wǎng)絡(luò)
2.6.1 智能神經(jīng)元模型
2.6.2 廣義神經(jīng)網(wǎng)絡(luò)模型及學習算法
2.6.3 交通流預測模型
2.7 發(fā)動機神經(jīng)網(wǎng)絡(luò)BP算法建模
2.7.1 發(fā)動機性能曲線神經(jīng)網(wǎng)絡(luò)處理方法
……
第3章 云信息處理
第4章 可拓信息處理
第5章 粗集信息處理
第6章 遺傳算法
第7章 蟻群算法
第8章 免疫算法
第9章 信息融合
第10章 量子智能信息處理
第11章 粒子群優(yōu)化算法
第12章 DNA算法
參考文獻