《智能信息处理》考核大纲.docxVIP

豕虫邕鼠旦建课程考核大纲 一、适应对象 修读完本课程规定内容的电子信息工程专业的学生； 提出并获准免修本课程、申请进行课程水平考核的电子信息工程专业的学生； 提出并获准副修第二专业、申请进行课程水平考核的非电子信息工程专业的学生。 二、考核目的 检查学生学习完本课程后，是否能到达以下要求： 1是否对知识的不确定性及不确定性度量方法、不确定性推理方法、不确定知识的挖掘方 法有较好的了解。 2是否掌握了模糊集合的概念、模糊规那么与推理、模糊推理系统以及粗糙集的基本理论和 应用方法。 3是否理解和掌握了人工神经网络的信息处理模式及一些典型的神经网络模型的工作原理 及其应用方法。 4是否掌握了遗传算法的结构、工作原理及其应用方法。 5是否对群体智能和人工免疫系统的基本原理有一定的了解。 6是否对信息融合技术及智能信息处理技术在人脸识别中的应用有较好的了解。 三、考核形式与方法 该课程为选修课程，期末考核形式为“学期论文”。 四、课程考核成绩构成 总评成绩采用百分制，平时作业及考勤占30%,期末考核“学期论文”占70%,即： 懈提责用时成绩*30% +期末考核*70% 五、考核内容与要求 1模糊信息处理 考核内容： 人工智能的基本概念和范畴、基本原理和研究方法；知识和知识表示的概念；模糊集合的 基本概念、基本运算及隶属函数；模糊信息处理方法：模糊燧方法、模糊聚类分析、模糊关联 分析、模糊信息优化方法。 2神经网络信息处理 考核内容： 神经网络原理；神经网络的结构、特点、学习方式和工作方式；神经网络的信息处理模式； BP神经网络；贝叶斯神经网络；Hopfield网络模型；解径向基函数（RBF）网络。 3粗糙集信息处理 考核内容： 粗糙集的理论基础：等价类、知识约简；粗糙集与模糊集结合；粗糙集与神经网络结合； 基于粗集的贝叶斯分类器；粗糙集的基本理论与应用。 4遗传算法及其应用 考核内容： 遗传算法的理论基础；遗传算法的结构和工作过程；遗传算法的基本算法及改进算法；遗 传算法的应用。 5群体智能与人工免疫 考核内容： 粒子群优化的基本概念、算法结构与应用；蚁群优化的基本概念、算法结构与应用；人工 免疫系统的原理；人工免疫系统模型与应用。 6信息融合技术及其应用 考核内容： 信息融合的概念、基本原理、功能模型及相应方法；目标识别和确认的算法：物理模型类 识别算法、基于特征的推理技术和认知模型类识别算法；D-S证据理论的基本概念。 略。