智能信息处理报告final.doc

前言 20世纪90年代以来，在智能信息处理研究的发展过程中，研究人员对精确处理与非精确处理的双重性给予了极大关注，一门称为计算智能的新学科分支被概括地提出来，并以更加明确的目标蓬勃发展。 智能理论分为人工智能与自然智能理论。自然智能理论智能理论 按道理讲，人工智能理论应以自然智能理论为基础。若弄清了各种自然智能的工作机制、各个功能部件的结构关系，就可以通过已高度发达的电子、光学和生物器件构成类似的结构对其进行模拟、延伸和扩展，从而实现人工智能。 本文共分为8章，第一章为绪论，了信息处理课程的内容。第二章为信息处理，为粗集，第章为神经网络信息处理，第章为支持向量机，第处理，第七章为分形最后一为感谢金东老师的的讲解 目录 前言 I 第一章 绪论 1 1.1 智能信息处理的产生与发展 1 1.2信息技术 2 1.3智能理论 2 1.3.1 经典人工智能 3 1.3.2 计算智能 3 1.3.3 模式识别 4 1.3.4 智能体 4 1.4智能信息技术 4 第二章模糊信息处理 5 2.1 模糊模式识别 5 2.2模糊控制 5 2.2.1模糊控制基础 5 2.3模糊聚类 7 2.3.1 模糊聚类分析的基本步骤 8 2.3.2 传递闭包法 10 2.3.3 直接聚类法 10 2.4 模糊决策 10 2.4.1 综合评判 11 2.4.2 意见集中 11 第三章 粗集 13 3.1 粗集的历史 13 3.2粗糙集的特点 13 3.3粗糙集的基本概念 14 3.4知识约简 15 3.4.1一般约简 15 3.4.2相对约简 15 3.4.3决策表的约简 16 3.5基于分辨矩阵的启发式最小约简算法 18 第四章神经网络信息处理 20 4.1人工神经网络的定义 20 4.2人工神经网络的基本原理 20 4.2.1生物神经元 20 4.3人工神经网络模型 21 4.4人工神经网络的基本特征 22 4.5常见神经元响应函数 23 4.6 BP网络 23 4.6.1 BP网络主要应用 23 4.6.2 BP网络特点 23 4.6.3多层BP网络简介 24 4.7自组织网络 24 4.7.1网络类型 24 4.7.2网络学习规则 25 4.8竞争网络 25 4.8.1网络结构 25 4.8.2竞争网络原理 26 4.8.3网络工作方式 26 4.8.4 网络训练 27 4.8.5竞争网络的局限性 27 第五章支持向量机 28 5.1 SVM的产生与发展 28 5.2支持向量机基础 29 5.2.1 统计学习理论基础 29 5.2.2 SVM原理 29 5.3 支持向量机相关理论 30 5.3.1 学习问题 30 5.3.2 学习问题的表示 30 5.3.3 经验风险最小化原则(ERM ) 31 5.3.4 Vapnik-Chervonenkis(VC)维 31 5.3.5 支持向量回归机 32 第六章盲信号处理 37 6.1 盲信号分离 37 6.2 盲信号分离基本模型 37 6.3盲信号分离理论基础 39 6.3.1 线阵列信号的盲分离数学模型 39 6.3.2 盲信号分离的代价函数及优化准则 40 6.3.3 盲信号分离的优化算法 42 6.3.4 性能评价指标 42 6.3.5 数据预处理 43 第七章 分形 45 7.1 分形的概念 45 7.2 分形维数的定义和测算 45 7.3标度律与多重分形 48 7.3.1 标度律 48 7.3.2 多重分形 48 第八章自适应模糊PID控制器的设计 50 8.1 自适应模糊PID控制器的性能要求 50 8.2 PID控制的理论基础 50 8.3 模糊控制原理 51 8.4 模糊PID控制系统结构及原理 52 8.5 PID控制器参数自整定原则 53 8.6 各变量隶属度函数的确定 54 8.7 建立模糊规则表 54  第一章 绪论 智能信息处理的与发展 2090年代以来，在智能信息处理研究的发展过程中，研究人员对精确处理与非精确处理的双重性给予了极大关注，一门称为计算智能的新学科分支被概括地提出来，并以更加明确的目标蓬勃发展。 1992年，美国学者J. C. Bezdek首次给出计算智能的定义。《近似推理》：计算智能依靠生产者提供的数字材料，而不是依赖于知识，而人工智能使用的是知识精华。Bezdek认为：人工神经网络应称为计算神经网络，计算智能是人工智能的子集。 1994.6.25～7.3，IEEE为了促进多学科渗透和结合，把模糊系统、神经网络和进化计算三个年会合并举行，在美国佛罗里达州的奥兰多召开全球第一届计算智能大会（WCCI）。此次会议是计算智能的第一次综合性大会，大会的主题是计算智能，共收集了来自世界各国学者的约1600 大会决定计算智能会议每三年召开一次。94年的WCCI会议中， B