計算智能基礎(chǔ)

第1章 緒論 
1.1 智能的定義 
1.2 生物智能 
1.3 機器智能 
1.4 計算智能的相關(guān)技術(shù) 
第2章 模糊系統(tǒng)理論及實現(xiàn)方法 
2.1 模糊集合和模糊邏輯 
2.2 模糊關(guān)系 
2.3 模糊邏輯與模糊語言 
2.4 模糊推理 
2.5 習題 
第3章 粗糙集理論 
3.1 粗糙集理論概述 
3.2 粗糙集的基本定義及其性質(zhì) 
3.3 屬性約簡的粗糙集理論 
3.4 屬性約簡的粗糙集方法 
3.5 粗糙集方法的應(yīng)用實例 
3.6 習題 
第4章 神經(jīng)網(wǎng)絡(luò)理論 
4.1 人工神經(jīng)元模型 
4.2 M-P神經(jīng)元模型與神經(jīng)網(wǎng)絡(luò)的學習規(guī)則 
4.3 簡單前向神經(jīng)網(wǎng)絡(luò) 
4.4 Hopfield神經(jīng)網(wǎng)絡(luò) 
4.5 自組織特征映射神經(jīng)網(wǎng)絡(luò) 
4.6 動態(tài)遞歸網(wǎng)絡(luò) 
4.7 CMAC網(wǎng)絡(luò) 
4.8 習題 
第5章 支持向量機 
5.1 引言 
5.2 統(tǒng)計學習理論 
5.3 分類支持向量機 
5.4 回歸支持向量機 
5.5 序列化最小最優(yōu)化算法 
5.6 支持向量機的應(yīng)用 
5.7 習題 
第6章 進化計算 
6.1 遺傳算法 
6.2 遺傳規(guī)劃 
6.3 習題 
第7章 免疫算法 
7.1 免疫算法基本架構(gòu) 
7.2 基于群體的免疫算法 
7.3 基于網(wǎng)絡(luò)的免疫算法 
7.4 免疫模型 
7.5 免疫算法與進化算法的融合 
7.6 習題 
第8章 蟻群算法 
8.1 引言 
8.2 蟻群算法基本原理 
8.3 基本的蟻群算法 
8.4 改進的蟻群算法 
8.5 有關(guān)蟻群算法的某些思考 
8.6 習題 
第9章 粒子群算法 
9.1 引言 
9.2 粒子群算法的產(chǎn)生背景 
9.3 粒子群算法的特點 
9.4 基本PSO算法 
9.5 粒子群算法的關(guān)鍵問題 
9.6 粒子群算法的分類 
9.7 PSO與其他算法比較 
9.8 粒子群算法的應(yīng)用領(lǐng)域 
9.9 習題 
參考文獻