计算智能基础

第1章 绪论 
1.1 智能的定义 
1.2 生物智能 
1.3 机器智能 
1.4 计算智能的相关技术 
第2章 模糊系统理论及实现方法 
2.1 模糊集合和模糊逻辑 
2.2 模糊关系 
2.3 模糊逻辑与模糊语言 
2.4 模糊推理 
2.5 习题 
第3章 粗糙集理论 
3.1 粗糙集理论概述 
3.2 粗糙集的基本定义及其性质 
3.3 属性约简的粗糙集理论 
3.4 属性约简的粗糙集方法 
3.5 粗糙集方法的应用实例 
3.6 习题 
第4章 神经网络理论 
4.1 人工神经元模型 
4.2 M-P神经元模型与神经网络的学习规则 
4.3 简单前向神经网络 
4.4 Hopfield神经网络 
4.5 自组织特征映射神经网络 
4.6 动态递归网络 
4.7 CMAC网络 
4.8 习题 
第5章 支持向量机 
5.1 引言 
5.2 统计学习理论 
5.3 分类支持向量机 
5.4 回归支持向量机 
5.5 序列化最小最优化算法 
5.6 支持向量机的应用 
5.7 习题 
第6章 进化计算 
6.1 遗传算法 
6.2 遗传规划 
6.3 习题 
第7章 免疫算法 
7.1 免疫算法基本架构 
7.2 基于群体的免疫算法 
7.3 基于网络的免疫算法 
7.4 免疫模型 
7.5 免疫算法与进化算法的融合 
7.6 习题 
第8章 蚁群算法 
8.1 引言 
8.2 蚁群算法基本原理 
8.3 基本的蚁群算法 
8.4 改进的蚁群算法 
8.5 有关蚁群算法的某些思考 
8.6 习题 
第9章 粒子群算法 
9.1 引言 
9.2 粒子群算法的产生背景 
9.3 粒子群算法的特点 
9.4 基本PSO算法 
9.5 粒子群算法的关键问题 
9.6 粒子群算法的分类 
9.7 PSO与其他算法比较 
9.8 粒子群算法的应用领域 
9.9 习题 
参考文献