| 本书根据测量系统的组成、特点以及信号测量处理的过程，从信号的获取、信号处理到信息融合，系统介绍了智能计算的基础理论和基本方法，以及各种新的智能信息处理技术。内容包括测试系统的组成和信息获取的过程、智能计算的产生和发展、数据融合的基本原理、神经网络计算、支持向量机、模糊集合与模糊逻辑、粗糙集、进化计算中的遗传算法、粒群智能、蚁群智能等的方法和实例，涉及目前国内外智能计算新的研究成果。 主要内容 测试智能信息处理足·门新兴交叉学科，涉及测试技术、电子技术、计算机技术、控制技术等领域，是工程测试技术中最新发展的重要组成部分，具有广泛的应用前景。本书根据测量系统的组成、特点以及信号测量处理的过程，以信号获取、信号处理、信息融合以及智能信息处理为蕾线，重点介绍r智能计算的基础理论和方法以及最新的智能信息处理方法，内容涵盖了测试智能信息处理的核心内容。此外，本书还专门介绍了国内外智能信息处理的前沿理论，内容新颖、翔实，反映了该领域的最新进展。 本书特色 ◆突出信息处理在工程测试技术中的重要作用，将信息获取与智能信息处理有机结合； ◆一阐述清晰，以工程测试技术为主线，介绍各种现代测试智能信息处理的新方法； ◆内容取材全面、新颖，涵盖了神经计算、进化计算和模糊计算等智能信息处理的核心内容，同时还介绍了基于统计的支持向量机、主分量分析方法，以及群智能中的粒群智能和蚁群智能等新的智能信息处理方法； ◆介绍了大量典型的工程测试系统与测试智能信息处理相结合的应用实例，并针对应用实例给出了大量的MATLAB程序代码，深入浅出，适于各类读者进行应用实践； ◆实用性强，体系完整，适用面广，既可以作为高等学校机械、仪器、计算机、自动化等专业的研究生教材，也可作为工程测试技术相关领域专业人员的参考书。 |
| 第1篇 绪论 1 测试智能信息处理概述 1.1 测试智能信息处理的产生及发展 1.1.1 测试系统的组成与特点 1.1.2 智能计算的产生与发展 1.2 智能信息处理的主要技术 1.2.1 神经计算技术 1.2.2 模糊计算技术 1.2.3 进化计算技术 1.3 智能技术的综合集成 1.3.1 模糊系统与神经网络结合 1.3.2 神经网络和遗传算法结合 1.3.3 模糊技术、神经网络和遗传算法综合集成 1.3.4 智能计算展望 参考文献 2 数据融合与信息处理 2.1 多传感器数据融合概述 2.2 多传感器数据融合的基本原理 2.2.1 多传感器数据融合的目的 2.2.2 多传感器数据融合的层次与结构 2.2.3 数据融合中的检测、分类与识别算法 2.2.4 典型的数据融合方法 2.2.5 多传感器数据融合方法的特点 2.3 分布式自适应动态数据融合方法 2.3.1 测量模型与方法简述 2.3.2 测量数据范围的推导 2.3.3 最优范围的确定 2.4 小结 参考文献 第2篇 神经计算 3 神经计算基础 3.1 人工神经网络基础 3.1.1 人工神经网络的提出 3.1.2 人工神经网络的特点 3.1.3 历史回顾 3.1.4 生物神经网络 3.1.5 人工神经元 3.1.6 人工神经网络的拓扑特性 3.1.7 存储与映射 3.1.8 人工神经网络的训练 3.2 感知器 3.2.1 感知器与人工神经网络的早期发展 3.2.2 感知器的学习算法 3.2.3 线性不可分问题 参考文献 4 神经计算基本方法 4.1 BP网络 4.1.1 BP网络简介 4.1.2 基本BP算法 4.1.3 BP算法的实现 4.1.4 BP算法的理论基础 4.1.5 儿个问题的讨论 …… 5 神经计算实现技术 6 支持向量机 第3篇 模糊计算 7 模糊逻辑与模糊推理 8 模糊计算的应用 9 粗糙集 第4篇 进化计算与群智能 10 遗传算法 11 禁忌搜索算法 12 粒群智能 13 蚁群智能 |
内容加载中，请稍后...
商品评论（0条）