人工智能算法

第1章緒論(24min)
1.1人工智能的發(fā)展過程
1.1.1孕育階段
1.1.2形成階段
1.1.3發(fā)展階段
1.2人工智能的核心技術體系
1.3人工智能特點與應用
1.3.1人工智能研究的特點
1.3.2人工智能應用
第2章MATLAB語言入門(56min)
2.1MATLAB語言開發(fā)環(huán)境
2.1.1命令行窗口
2.1.2M文件編輯窗口
2.1.3Simulink Model窗口
2.2數(shù)據(jù)類型與基本運算符
2.2.1變量的定義與賦值
2.2.2數(shù)據(jù)類型
2.2.3關系表達式
2.2.4關系表達式的優(yōu)先級
2.2.5邏輯表達式
2.3常用的流程操作語句
2.3.1順序結構
2.3.2if分支結構
2.3.3switch分支結構
2.3.4while循環(huán)結構
2.3.5for循環(huán)結構
2.4MATLAB語言的繪圖
2.4.1圖形的基礎知識
2.4.2繪制二維圖形
2.4.3設置曲線的屬性
2.4.4設置坐標軸范圍
2.4.5疊繪和圖形標識
2.4.6繪制雙坐標軸圖形
2.4.7繪制多子圖
2.4.8交互式圖形
2.4.9繪制面積圖
2.4.10繪制直方圖
2.4.11繪制二維餅圖
2.4.12繪制向量圖
2.4.13繪制等高線
2.4.14繪制偽色彩圖
2.4.15繪制誤差棒
2.4.16繪制二維離散桿圖
2.4.17繪制散點圖
2.4.18極坐標圖形
2.4.19柱坐標圖形 
2.4.20繪制三維曲線
2.4.21編輯三維圖形
2.4.22四維圖形
 
 
 
第3章插值算法與曲線擬合(101min)
3.1插值
3.1.1一維插值
3.1.2人口數(shù)量預測
3.1.3二維插值
3.1.4繪制二元函數(shù)圖形
3.2插值算法
3.2.1拉格朗日插值
3.2.2牛頓插值
3.2.3分段插值法
3.2.4樣條插值
3.3曲線擬合
3.3.1多項式擬合
3.3.2加權小方差擬合
3.3.3數(shù)據(jù)擬合——適用加權小方差WLS方法
第4章灰色系統(tǒng)理論(44min)
4.1灰色關聯(lián)分析法
4.1.1灰色關聯(lián)因素與關聯(lián)算子集
4.1.2距離空間
4.1.3灰色關聯(lián)公理與灰色關聯(lián)度
4.2灰色預測
4.2.1累加生成序列
4.2.2均值GM(1，1)模型
4.2.3累減生成序列
4.2.4模型檢驗 
4.3灰色聚類評估
4.3.1灰色變權聚類
4.3.2灰色定權聚類
第5章傅里葉變換和小波變換(86min)
5.1傅里葉變換
5.1.1傅里葉級數(shù)的頻譜
5.1.2傅里葉級數(shù)的相位譜
5.1.3傅里葉變換表示形式
5.1.4MATLAB的傅里葉變換函數(shù)
5.1.5傅里葉變換的信號降噪應用
5.2小波變換
5.2.1小波函數(shù)
5.2.2小波變換理論
5.2.3小波分解與重構
5.2.4MATLAB的小波變換函數(shù)
5.2.5小波變換在信號處理中的應用
5.3小波包變換
5.3.1小波包變換理論
5.3.2小波包變換的MATLAB函數(shù)
5.3.3小波包變換在信號處理中的應用
第6章經驗模態(tài)分解算法(40min)
6.1EMD算法
6.1.1瞬時頻率
6.1.2EMD基本理論
6.1.3EMD下載與應用
6.2EEMD算法
6.3CEEMD算法
第7章模糊邏輯控制算法(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模糊運算
7.2.4隸屬函數(shù)的確定
7.2.5常見的隸屬函數(shù)
7.3模糊關系的基本概念
7.3.1普通關系
7.3.2模糊關系
7.3.3模糊變換
7.4模糊推理與模糊決策
7.4.1模糊邏輯
7.4.2模糊語言算子
7.4.3模糊推理
7.4.4模糊決策
7.5模糊控制器的基本原理與設計方法
7.5.1模糊控制器的基本原理
7.5.2模糊控制器的設計步驟
7.6模糊控制系統(tǒng)的工作原理
7.6.1單輸入和單輸出模糊控制器的設計
7.6.2雙輸入和單輸出模糊控制器
7.6.3MATLAB模糊控制工具箱及應用
第8章滑模變結構控制(12min)
8.1變結構控制系統(tǒng)
8.1.1變結構控制
8.1.2變結構控制系統(tǒng)的品質
8.1.3變結構系統(tǒng)的數(shù)學模型
8.1.4變結構控制的特點
8.2開關控制與滑模變結構控制
8.2.1開關控制
8.2.2變結構系統(tǒng)中的滑動模態(tài)
8.3滑動模態(tài)及其數(shù)學表達
8.3.1滑動模態(tài)
8.3.2滑動模態(tài)的數(shù)學表達
8.4菲力普夫理論
8.4.1滑動模態(tài)的存在條件
8.4.2關于菲力普夫理論的說明
8.5等效控制及滑模運動
8.5.1等效控制
8.5.2滑模運動
8.6滑模變結構控制的基本問題
8.6.1滑動模態(tài)的存在性
8.6.2滑動模態(tài)的可達性及廣義滑模
8.6.3滑模運動的穩(wěn)定性
8.7滑模變結構控制系統(tǒng)的動態(tài)品質
8.7.1正常運動段
8.7.2滑模運動段
8.8滑模變結構控制的基本方法
8.8.1滑模變結構的基本控制策略
8.8.2滑模變結構控制的基本結構
8.9基于低通濾波器的滑模控制
8.9.1系統(tǒng)描述
8.9.2滑?？刂破髟O計
8.9.3仿真實例
第9章神經網(wǎng)絡基本理論(87min)
9.1生物神經網(wǎng)絡
9.1.1生物神經元的結構
9.1.2生物神經元的信息處理機理
9.1.3生物神經網(wǎng)絡的信息處理
9.2人工神經元的數(shù)學建模
9.2.1MP模型
9.2.2常用的神經元數(shù)學模型
9.3人工神經網(wǎng)絡的結構建模
9.3.1網(wǎng)絡拓撲類型
9.3.2網(wǎng)絡信息流向類型
9.4人工神經網(wǎng)絡的學習
9.5神經網(wǎng)絡及其分類
9.6BP神經網(wǎng)絡
9.6.1BP神經網(wǎng)絡結構
9.6.2BP神經網(wǎng)絡算法原理
9.6.3反向傳播實例
9.7BP算法的不足與改進
9.7.1BP算法的不足
9.7.2BP算法的改進
9.8BP網(wǎng)絡的MATLAB仿真實例
9.8.1BP神經網(wǎng)絡的MATLAB工具箱
9.8.2BP網(wǎng)絡仿真實例
9.9徑向基神經網(wǎng)絡
9.9.1正規(guī)化RBF網(wǎng)絡
9.9.2廣義RBF網(wǎng)絡
9.10徑向基網(wǎng)絡的MATLAB仿真實例
9.10.1RBF網(wǎng)絡的MATLAB工具箱
9.10.2仿真實例
第10章支持向量機(43min)
10.1統(tǒng)計學習理論基礎
10.1.1機器學習
10.1.2經驗風險小化原則
10.1.3結構風險小化原則
10.2支持向量機
10.2.1超平面
10.2.2線性支持向量機
10.2.3非線性支持向量機
10.3LIBSVM軟件包簡介
10.3.1LIBSVM使用的數(shù)據(jù)格式
10.3.2LIBSVM使用的函數(shù)
10.3.3LIBSVM使用
第11章智能優(yōu)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全局與局部模式
11.1.3粒子群的算法建模
11.1.4粒子群的特點
11.1.5粒子群算法與其他進化算法的異同
11.2粒子群算法
11.2.1基本原理
11.2.2算法構成要素
11.2.3算法的基參數(shù)設置
11.2.4算法基本流程
11.2.5粒子群算法的MATLAB實現(xiàn)
11.3蟻群算法
11.3.1蟻群的基本概念
11.3.2蟻群算法的重要規(guī)則
11.3.3蟻群優(yōu)化算法的應用
11.3.4蟻群算法的MATLAB實現(xiàn)
11.4模擬退火算法
11.4.1模擬退火算法的理論
11.4.2模擬退火尋優(yōu)實現(xiàn)步驟
11.4.3模擬退火算法的MATLAB工具箱
11.4.4模擬退火的MATLAB實現(xiàn)
11.5遺傳算法
11.5.1遺傳算法概述
11.5.2遺傳算法的生物學基礎
11.5.3遺傳算法的名稱解釋
11.5.4遺傳算法的運算過程
11.5.5遺傳算法的特點
11.5.6染色體的編碼
11.5.7適應度函數(shù)
11.5.8遺傳算子
11.5.9算法參數(shù)設計原則
11.5.10適應度函數(shù)的調整
11.5.11遺傳算法的應用
11.6禁忌搜索算法
11.6.1禁忌搜索的相關理論
11.6.2啟發(fā)式搜索算法與傳統(tǒng)的方法
11.6.3禁忌搜索與局部鄰域搜索
11.6.4局部鄰域搜索
11.6.5禁忌搜索的基本思想
11.6.6禁忌搜索算法的特點
11.6.7禁忌搜索算法的應用