人工智能算法

第1章绪论(24min)
1.1人工智能的发展过程
1.1.1孕育阶段
1.1.2形成阶段
1.1.3发展阶段
1.2人工智能的核心技术体系
1.3人工智能特点与应用
1.3.1人工智能研究的特点
1.3.2人工智能应用
第2章MATLAB语言入门(56min)
2.1MATLAB语言开发环境
2.1.1命令行窗口
2.1.2M文件编辑窗口
2.1.3Simulink Model窗口
2.2数据类型与基本运算符
2.2.1变量的定义与赋值
2.2.2数据类型
2.2.3关系表达式
2.2.4关系表达式的优先级
2.2.5逻辑表达式
2.3常用的流程操作语句
2.3.1顺序结构
2.3.2if分支结构
2.3.3switch分支结构
2.3.4while循环结构
2.3.5for循环结构
2.4MATLAB语言的绘图
2.4.1图形的基础知识
2.4.2绘制二维图形
2.4.3设置曲线的属性
2.4.4设置坐标轴范围
2.4.5叠绘和图形标识
2.4.6绘制双坐标轴图形
2.4.7绘制多子图
2.4.8交互式图形
2.4.9绘制面积图
2.4.10绘制直方图
2.4.11绘制二维饼图
2.4.12绘制向量图
2.4.13绘制等高线
2.4.14绘制伪色彩图
2.4.15绘制误差棒
2.4.16绘制二维离散杆图
2.4.17绘制散点图
2.4.18极坐标图形
2.4.19柱坐标图形 
2.4.20绘制三维曲线
2.4.21编辑三维图形
2.4.22四维图形
 
 
 
第3章插值算法与曲线拟合(101min)
3.1插值
3.1.1一维插值
3.1.2人口数量预测
3.1.3二维插值
3.1.4绘制二元函数图形
3.2插值算法
3.2.1拉格朗日插值
3.2.2牛顿插值
3.2.3分段插值法
3.2.4样条插值
3.3曲线拟合
3.3.1多项式拟合
3.3.2加权小方差拟合
3.3.3数据拟合——适用加权小方差WLS方法
第4章灰色系统理论(44min)
4.1灰色关联分析法
4.1.1灰色关联因素与关联算子集
4.1.2距离空间
4.1.3灰色关联公理与灰色关联度
4.2灰色预测
4.2.1累加生成序列
4.2.2均值GM(1，1)模型
4.2.3累减生成序列
4.2.4模型检验 
4.3灰色聚类评估
4.3.1灰色变权聚类
4.3.2灰色定权聚类
第5章傅里叶变换和小波变换(86min)
5.1傅里叶变换
5.1.1傅里叶级数的频谱
5.1.2傅里叶级数的相位谱
5.1.3傅里叶变换表示形式
5.1.4MATLAB的傅里叶变换函数
5.1.5傅里叶变换的信号降噪应用
5.2小波变换
5.2.1小波函数
5.2.2小波变换理论
5.2.3小波分解与重构
5.2.4MATLAB的小波变换函数
5.2.5小波变换在信号处理中的应用
5.3小波包变换
5.3.1小波包变换理论
5.3.2小波包变换的MATLAB函数
5.3.3小波包变换在信号处理中的应用
第6章经验模态分解算法(40min)
6.1EMD算法
6.1.1瞬时频率
6.1.2EMD基本理论
6.1.3EMD下载与应用
6.2EEMD算法
6.3CEEMD算法
第7章模糊逻辑控制算法(14min)
7.1概述
7.2模糊集合的基本概念
7.2.1普通集合
7.2.2模糊集合
7.2.3模糊运算
7.2.4隶属函数的确定
7.2.5常见的隶属函数
7.3模糊关系的基本概念
7.3.1普通关系
7.3.2模糊关系
7.3.3模糊变换
7.4模糊推理与模糊决策
7.4.1模糊逻辑
7.4.2模糊语言算子
7.4.3模糊推理
7.4.4模糊决策
7.5模糊控制器的基本原理与设计方法
7.5.1模糊控制器的基本原理
7.5.2模糊控制器的设计步骤
7.6模糊控制系统的工作原理
7.6.1单输入和单输出模糊控制器的设计
7.6.2双输入和单输出模糊控制器
7.6.3MATLAB模糊控制工具箱及应用
第8章滑模变结构控制(12min)
8.1变结构控制系统
8.1.1变结构控制
8.1.2变结构控制系统的品质
8.1.3变结构系统的数学模型
8.1.4变结构控制的特点
8.2开关控制与滑模变结构控制
8.2.1开关控制
8.2.2变结构系统中的滑动模态
8.3滑动模态及其数学表达
8.3.1滑动模态
8.3.2滑动模态的数学表达
8.4菲力普夫理论
8.4.1滑动模态的存在条件
8.4.2关于菲力普夫理论的说明
8.5等效控制及滑模运动
8.5.1等效控制
8.5.2滑模运动
8.6滑模变结构控制的基本问题
8.6.1滑动模态的存在性
8.6.2滑动模态的可达性及广义滑模
8.6.3滑模运动的稳定性
8.7滑模变结构控制系统的动态品质
8.7.1正常运动段
8.7.2滑模运动段
8.8滑模变结构控制的基本方法
8.8.1滑模变结构的基本控制策略
8.8.2滑模变结构控制的基本结构
8.9基于低通滤波器的滑模控制
8.9.1系统描述
8.9.2滑模控制器设计
8.9.3仿真实例
第9章神经网络基本理论(87min)
9.1生物神经网络
9.1.1生物神经元的结构
9.1.2生物神经元的信息处理机理
9.1.3生物神经网络的信息处理
9.2人工神经元的数学建模
9.2.1MP模型
9.2.2常用的神经元数学模型
9.3人工神经网络的结构建模
9.3.1网络拓扑类型
9.3.2网络信息流向类型
9.4人工神经网络的学习
9.5神经网络及其分类
9.6BP神经网络
9.6.1BP神经网络结构
9.6.2BP神经网络算法原理
9.6.3反向传播实例
9.7BP算法的不足与改进
9.7.1BP算法的不足
9.7.2BP算法的改进
9.8BP网络的MATLAB仿真实例
9.8.1BP神经网络的MATLAB工具箱
9.8.2BP网络仿真实例
9.9径向基神经网络
9.9.1正规化RBF网络
9.9.2广义RBF网络
9.10径向基网络的MATLAB仿真实例
9.10.1RBF网络的MATLAB工具箱
9.10.2仿真实例
第10章支持向量机(43min)
10.1统计学习理论基础
10.1.1机器学习
10.1.2经验风险小化原则
10.1.3结构风险小化原则
10.2支持向量机
10.2.1超平面
10.2.2线性支持向量机
10.2.3非线性支持向量机
10.3LIBSVM软件包简介
10.3.1LIBSVM使用的数据格式
10.3.2LIBSVM使用的函数
10.3.3LIBSVM使用
第11章智能优化算法(34min)
11.1粒子群概述
11.1.1粒子群算法的基本原理
11.1.2全局与局部模式
11.1.3粒子群的算法建模
11.1.4粒子群的特点
11.1.5粒子群算法与其他进化算法的异同
11.2粒子群算法
11.2.1基本原理
11.2.2算法构成要素
11.2.3算法的基参数设置
11.2.4算法基本流程
11.2.5粒子群算法的MATLAB实现
11.3蚁群算法
11.3.1蚁群的基本概念
11.3.2蚁群算法的重要规则
11.3.3蚁群优化算法的应用
11.3.4蚁群算法的MATLAB实现
11.4模拟退火算法
11.4.1模拟退火算法的理论
11.4.2模拟退火寻优实现步骤
11.4.3模拟退火算法的MATLAB工具箱
11.4.4模拟退火的MATLAB实现
11.5遗传算法
11.5.1遗传算法概述
11.5.2遗传算法的生物学基础
11.5.3遗传算法的名称解释
11.5.4遗传算法的运算过程
11.5.5遗传算法的特点
11.5.6染色体的编码
11.5.7适应度函数
11.5.8遗传算子
11.5.9算法参数设计原则
11.5.10适应度函数的调整
11.5.11遗传算法的应用
11.6禁忌搜索算法
11.6.1禁忌搜索的相关理论
11.6.2启发式搜索算法与传统的方法
11.6.3禁忌搜索与局部邻域搜索
11.6.4局部邻域搜索
11.6.5禁忌搜索的基本思想
11.6.6禁忌搜索算法的特点
11.6.7禁忌搜索算法的应用