图书介绍
测试智能信息处理PDF|Epub|txt|kindle电子书版本网盘下载
- 王雪编著 著
- 出版社： 北京：清华大学出版社
- ISBN：7302165750
- 出版时间：2008
- 标注页数：545页
- 文件大小：32MB
- 文件页数：560页
- 主题词：人工智能－应用－自动检测系统－高等学校－教材
PDF下载
下载说明
测试智能信息处理PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第1篇 绪论3
1 测试智能信息处理概述3
1.1 测试智能信息处理的产生及发展3
1.1.1 测试系统的组成与特点3
1.1.2 智能计算的产生与发展5
1.2 智能信息处理的主要技术8
1.2.1 神经计算技术8
1.2.2 模糊计算技术11
1.2.3 进化计算技术12
1.3 智能技术的综合集成16
1.3.1 模糊系统与神经网络结合16
1.3.2 神经网络和遗传算法结合17
1.3.3 模糊技术、神经网络和遗传算法综合集成18
1.3.4 智能计算展望18
参考文献19
2 数据融合与信息处理20
2.1 多传感器数据融合概述20
2.2 多传感器数据融合的基本原理23
2.2.1 多传感器数据融合的目的23
2.2.2 多传感器数据融合的层次与结构24
2.2.3 数据融合中的检测、分类与识别算法28
2.2.4 典型的数据融合方法29
2.2.5 多传感器数据融合方法的特点34
2.3 分布式自适应动态数据融合方法34
2.3.1 测量模型与方法简述34
2.3.2 测量数据范围的推导35
2.3.3 最优范围的确定36
2.4 小结37
参考文献37
第2篇 神经计算43
3 神经计算基础43
3.1 人工神经网络基础43
3.1.1 人工神经网络的提出43
3.1.2 人工神经网络的特点49
3.1.3 历史回顾52
3.1.4 生物神经网络55
3.1.5 人工神经元56
3.1.6 人工神经网络的拓扑特性59
3.1.7 存储与映射65
3.1.8 人工神经网络的训练67
3.2 感知器69
3.2.1 感知器与人工神经网络的早期发展69
3.2.2 感知器的学习算法70
3.2.3 线性不可分问题74
参考文献77
4 神经计算基本方法78
4.1 BP网络78
4.1.1 BP网络简介78
4.1.2 基本BP算法79
4.1.3 BP算法的实现86
4.1.4 BP算法的理论基础87
4.1.5 几个问题的讨论91
4.2 径向基函数神经网络93
4.2.1 函数逼近与内插93
4.2.2 正规化理论95
4.2.3 RBF网络的学习97
4.2.4 RBF网络的一些变形102
4.3 Hopfield反馈神经网络104
4.3.1 联想存储器104
4.3.2 反馈网络105
4.3.3 用反馈网络作联想存储器111
4.3.4 相关学习算法112
4.3.5 反馈网络用于优化计算114
4.4 随机型神经网络118
4.4.1 模拟退火算法118
4.4.2 Boltzmann机122
4.4.3 Gaussian机136
4.5 自组织竞争网络139
4.5.1 SOFM网络结构140
4.5.2 SOFM网络的应用143
4.5.3 ART神经网络144
参考文献147
5 神经计算实现技术149
5.1 神经网络计算的组织149
5.1.1 输入层和输出层设计149
5.1.2 网络数据的准备151
5.1.3 网络初始权值的选择153
5.1.4 隐层数及隐层结点设计154
5.1.5 网络的训练、检测及性能评价156
5.2 主分量分析159
5.2.1 主分量分析基本原理159
5.2.2 基于Hebb的最大特征滤波器165
5.2.3 基于Hebb的主分量分析167
5.2.4 计算机实验：图形编码171
5.2.5 小结173
5.3 神经计算的硬件和软件实现174
5.3.1 硬件实现概述174
5.3.2 神经元器件177
5.3.3 神经网络系统结构180
5.3.4 神经网络的光学实现183
5.4 神经计算在机械制造设备中的应用186
5.4.1 神经网络与机械制造工艺规程186
5.4.2 神经网络与加工参数优化192
5.4.3 神经网络与故障诊断195
5.4.4 神经网络与工况监测及预报201
5.4.5 神经网络与加工系统辨识及控制209
参考文献215
6 支持向量机217
6.1 统计学习理论的基本内容217
6.1.1 机器学习的基本问题217
6.1.2 学习机的复杂性与推广能力219
6.1.3 统计学习的基本理论219
6.2 支持向量机221
6.2.1 最大间隔分类支持向量机221
6.2.2 软间隔分类支持向量机223
6.2.3 基于核的支持向量机224
6.3 多分类支持向量机225
6.3.1 直接法226
6.3.2 分解法226
6.4 基于SVM的机械设备故障诊断229
6.4.1 实验平台及故障信号获取229
6.4.2 基于小波包变换的故障特征提取231
6.4.3 基于多类分类SVM的故障诊断识别233
参考文献235
第3篇 模糊计算239
7 模糊逻辑与模糊推理239
7.1 模糊逻辑与模糊推理概述239
7.1.1 模糊逻辑的历史239
7.1.2 模糊集242
7.1.3 隶属函数246
7.1.4 模糊运算与模糊推理253
7.1.5 模糊系统262
7.2 模糊推理的MATLAB实现278
7.2.1 模糊推理过程279
7.2.2 模糊逻辑工具箱的图形界面工具281
7.2.3 模糊逻辑工具箱的命令行工作方式292
7.2.4 神经-模糊推理编辑器ANFIS296
参考文献303
8 模糊计算的应用304
8.1 模糊PID控制304
8.1.1 几种自适应PID控制305
8.1.2 两种类型的模糊PID控制器308
8.2 模糊逻辑系统应用设计实例315
8.2.1 二关节机械手的逆运动学建模315
8.2.2 卡车倒摆系统模糊控制322
8.2.3 模糊自适应消噪332
8.2.4 卡车倒车的模糊控制系统337
8.2.5 小结342
参考文献342
9 粗糙集344
9.1 智能数据预处理及知识系统表达344
9.1.1 数据表知识表达系统344
9.1.2 不完整、不精确数据预处理346
9.1.3 属性值的离散归一化处理350
9.2 知识与分类、近似与粗集的基本概念352
9.2.1 知识与分类352
9.2.2 集合近似与粗集的概念355
9.2.3 集合近似及分类近似的度量360
9.3 知识系统的简化和逻辑表达363
9.3.1 知识的简化363
9.3.2 知识的相对简化365
9.3.3 范畴的简化367
9.3.4 范畴的相对简化368
9.3.5 知识的依赖性369
9.3.6 知识表达系统数据的协调性371
9.3.7 知识表达系统属性的简化372
9.3.8 知识表达系统决策规则的简化373
9.3.9 推理学习376
9.4 集成粗糙神经网络预示诊断应用380
9.4.1 集成粗糙神经网络的融合算法381
9.4.2 车轮踏面擦伤融合预示诊断实验383
9.4.3 小结385
参考文献386
第4篇 进化计算与群智能391
10 遗传算法391
10.1 遗传优化算法基础391
10.1.1 遗传算法的产生与发展391
10.1.2 遗传算法概要393
10.1.3 遗传算法的应用情况398
10.1.4 基本遗传算法400
10.1.5 模式定理410
10.1.6 遗传算法的改进413
10.1.7 遗传算法与函数最优化420
10.1.8 遗传算法与系统辨识424
10.1.9 遗传算法与神经控制431
10.1.10 小结435
10.2 遗传优化算法的工程应用436
10.2.1 遗传算法在无约束优化中的应用436
10.2.2 遗传算法在非线性规划中的应用439
10.2.3 遗传算法在可靠性优化中的应用443
10.2.4 遗传算法在车间布局优化中的应用447
10.2.5 遗传算法在参数优化中的应用453
参考文献460
11 禁忌搜索算法462
11.1 禁忌搜索算法的要素462
11.1.1 禁忌搜索算法的基本思想462
11.1.2 禁忌搜索算法的主要构成463
11.1.3 禁忌搜索算法的求解过程465
11.2 禁忌搜索算法示例466
11.3 禁忌搜索算法的发展和应用468
11.3.1 并行禁忌搜索算法468
11.3.2 遗传算法与禁忌搜索算法的混合策略469
11.3.3 Flow-shop问题的禁忌搜索算法471
11.3.4 禁忌搜索算法流程472
11.3.5 基于禁忌搜索的函数优化474
11.4 小结478
参考文献478
12 粒群智能480
12.1 引言480
12.1.1 微粒群算法综述480
12.1.2 微粒群算法的研究方向481
12.2 微粒群算法的基本原理482
12.2.1 引言482
12.2.2 基本微粒群算法483
12.2.3 基本微粒群算法的社会行为分析484
12.2.4 带惯性权重的微粒群算法486
12.3 改进微粒群算法487
12.3.1 基本微粒群算法进化方程的改进487
12.3.2 收敛性改进491
12.4 微粒群算法的实验设计与参数选择494
12.4.1 设计微粒群算法的基本原则与步骤494
12.4.2 几种典型的微粒群模型及参数选择496
12.5 基于微粒群算法的人工神经网络优化501
12.5.1 神经网络的微粒群算法优化策略501
12.5.2 协同微粒群算法优化神经网络503
12.6 无线传感网络节点位置微粒群优化504
12.6.1 问题模型与假设505
12.6.2 基于微粒群算法的移动节点位置优化507
12.6.3 并行微粒群优化策略的基本原理508
12.6.4 仿真实验分析509
参考文献511
13 蚁群智能514
13.1 引言514
13.1.1 双桥实验515
13.1.2 随机模型517
13.2 人工蚂蚁模型518
13.2.1 人工蚂蚁方法518
13.2.2 人工蚂蚁和最小成本路径520
13.3蚁群优化元启发式算法527
13.3.1 问题描述528
13.3.2 蚂蚁的行为529
13.3.3 元启发式算法530
13.4 蚁群优化算法应用531
13.4.1 故障诊断531
13.4.2 机器人领域535
13.4.3 图像处理539
参考文献542