测试智能信息处理
2008-1
清华大学出版社
王雪
545
智能计算是测试智能信息处理的核心技术，是目前多学科研究和应用的热点，涉及测试技术、电子技术、计算机技术、控制技术等，具有广泛的应用前景。测量技术是信息处理的关键和基础。本书介绍了测试系统的组成、特点以及信号测量处理的过程，给出了数据融合的基本方法，重点介绍了测试智能计算的基础理论和方法。具体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；神经网络计算的基础、神经计算的基本方法、神经计算的实现技术和支持向量机；模糊计算中的模糊逻辑与模糊推理、模糊计算应用和粗糙集；进化计算中的遗传算法、粒群智能、蚁群智能等方法和实例。 本书可作为测控技术、电子科学技术、计算机科学技术、电气工程、控制技术、信息通信技术、机械电子工程等专业的研究生、高年级本科生的教材和参考书，也可供相关工程技术人员和科技工作者作为专业参考书。
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
《清华大学测控技术与仪器系列教材·测试智能信息处理》可作为测控技术、电子科学技术、计算机科学技术、电气工程、控制技术、信息通信技术、机械电子工程等专业的研究生、高年级本科生的教材和参考书，也可供相关工程技术人员和科技工作者作为专业参考书。
质量不错，老师要求的书
书很厚，但对我有用的内容很少......