第一篇 高级推理技术 1
第1章 传统的推理技术 1
1.1命题逻辑与谓词逻辑概论 1
命题逻辑 1
谓词逻辑 4
1.2基于传统逻辑的推理机制 6
推理基础 6
基于传统逻辑的推理 8
小结 13
习题 13
第2章 专家系统MYCIN的不确定性推理方法 15
2.1不确定性推理 15
不确定性推理概述 15
不确定性推理中的基本问题 16
2.2 MYCIN的可信度概念 18
2.3 MYCIN的不精确推理模型 19
知识不确定性的表示 19
证据不确定性的表示 19
组合证据不确定性的算法 20
不确定性的传递算法 20
结论不确定性的合成算法 20
2.4带加权因子的可信度推理 22
小结 23
习题 24
第3章 主观Bayes方法 26
3.1概率论的简单回顾 26
3.2主观Bayes方法的基本理论 27
知识不确定性的表示 27
主观Bayes方法的基本算法 27
3.3主观Bayes方法的推理模型 31
组合证据不确定性的计算 31
证据不确定性的传递 31
结论不确定性的合成 32
小结 34
习题 34
第4章 模糊推理 36
4.1模糊数学的基本知识 36
模糊集合 36
模糊关系及其运算 37
4.2模糊假言推理 39
模糊知识的表示 39
前提的模糊匹配 39
简单模糊推理 40
小结 42
习题 42
第5章 证据理论 44
5.1基本理论 44
命题的表示 44
概率分配函数 44
信任函数 45
似然函数 45
概率分配函数的正交和 46
5.2证据理论的推理模型 47
一个特殊的概率分配函数 47
类概率函数 48
规则的表示方法 50
多前提组合的CER计算 50
不确定性的传递算法 50
小结 54
习题 54
第6章 非单调推理 55
6.1缺省理论 55
缺省规则的形式 55
缺省规则的分类 56
6.2界限理论 56
6.3正确性维持系统 58
小结 60
习题 61
第二篇 机器学习 62
第7章 机器学习概论 62
7.1机器学习模型与形式化 62
机器学习模型 62
机器学习模型的形式化 64
7.2学习系统的结构和训练样例 65
设计目标函数 65
目标函数的表示形式 66
设计函数逼近算法 67
训练经验的选择 69
最终设计 69
7.3学习系统的观点和问题 71
小结 72
习题 72
第8章 概念学习 74
8.1什么是概念学习 74
8.2概念学习的搜索空间 75
8.3假设空间的偏序关系 75
8.4寻找极大特殊假设的FIND-S算法 76
8.5变型空间和候选消除算法 79
变型空间的定义 79
列表后消除算法 80
候选消除算法 80
变型空间和候选消除算法的几点说明 85
小结 87
习题 88
第9章 决策树学习 90
9.1决策树表示法及其含义 90
9.2决策树学习的适用问题 91
9.3决策树学习的ID3算法 93
9.4最佳属性的选择 94
用熵度量系统的混乱程度 94
信息增益最佳分类属性 97
决策树计算举例 97
9.5决策树学习的问题 100
小结 102
习题 103
第10章 学习规则集合 105
10.1学习命题逻辑规则 105
10.2学习一阶逻辑规则 109
假设的产生 109
归纳推理 111
FOIL算法 112
小结 115
习题 115
第三篇 计算智能 117
第11章 人工神经网络 117
11.1脑神经系统与生物神经元的结构与特征 117
11.2人工神经元的结构与模型 119
人工神经元 119
常用的人工神经元模型 120
11.3人工神经网络的互连结构 121
单层或两层网络结构 121
多层网络结构 121
11.4感知器及其训练法则 123
感知器的定义与空间划分 123
感知器训练法则 126
梯度下降和delta法则 127
梯度下降的随机近似 129
11.5多层网络和反向传播算法 129
可微阈值单元 130
反向传播算法 130
反向传播算法的说明 133
11.6 Hopfield网络及其学习 134
Hopfield网络的结构 134
Hopfield模型的稳定性 135
Hopfield网络学习算法 135
小结 136
习题 136
第12章 遗传算法 139
12.1遗传算法概述 139
遗传算法的产生与发展 139
遗传算法中的基本概念 139
遗传算法的基本结构 141
遗传算法的基本特征 141
12.2 Holland遗传算法 142
12.3遗传算法的设计与实现 144
遗传算法的编码方法 144
适应度值量度 147
遗传算法的基本操作 149
参数控制 152
12.4 Holland遗传算法的改进 155
Holland遗传算法改进的思考方法 155
Micro遗传算法 157
变种群规模的遗传算法 157
自适应遗传进化算法 158
并行遗传算法 159
12.5遗传算法的收敛性 161
遗传算法收敛性的定义 161
未成熟收敛问题 161
遗传算法收敛性的结论 162
12.6遗传算法的应用举例 162
组合优化问题 162
作业车间调度问题 164
小结 166
习题 167
第13章 其它计算智能方法 168
13.1进化策略 168
进化策略的算法模型 168
进化策略和遗传算法的区别 169
13.2进化编程 169
进化编程的机理与表示 169
进化编程的步骤 170
13.3人工生命 171
人工生命研究的起源和发展 171
人工生命的定义和研究意义 171
人工生命的研究内容和方法 172
人工生命的实例 174
13.4粒群优化 174
群智能和粒群优化概述 175
粒群优化算法 176
13.5蚁群算法 178
蚁群算法基本原理 178
蚁群系统模型 179
小结 181
习题 181
第四篇 自然语言理解与感知 182
第14章 概述 182
14.1自然语言理解的发展 182
萌芽 182
发展 183
繁荣 184
14.2自然语言的构成 184
14.3自然语言理解的层次 185
第15章 语法分析和语义分析 188
15.1短语结构语法理论与乔姆斯基语法体系 188
短语结构语法理论 188
乔姆斯基语法体系 189
15.2乔姆斯基语法体系的网络表示 191
有限状态转移网络 191
递归转移网络 193
扩充转移网络 193
15.3语法分析 196
自顶向下分析算法 196
自底向上分析算法 198
带有属性限制的语法 200
15.4语义分析 203
在语法规则中编码语义结构 204
将语法结构编码进词典 207
15.5语境分析 209
小结 210
习题 210
第16章 基于语料库的自然语言理解 213
16.1基于概率分布的语言模型 213
16.2基于上、下文信息的语言建模 214
基于随机过程理论的模型构造 215
基于信息论最大熵方法的模型构造 216
16.3基于组合思想的语言建模 217
利用插值法构造新的模型 217
利用加权方法构造新的模型 217
16.4语言模型的相关问题 218
语言模型参数的确定 218
数据稀疏问题的解决 218
语言模型的性能分析 218
小结 219
习题 219
第17章 计算机视觉 220
17.1图像的产生 220
二维图像的获取 220
立体成像 221
17.2图像的处理 222
图像的边缘检测 222
分割 223
17.3图像的描述 224
边缘距离的计算 224
表面方向的计算 225
17.4视觉的知识表示 229
视觉信息的语义网络表示 229
位置网络 230
17.5物体形状的分析与识别 231
复杂形状物体的表示 231
物体形状识别方法 234
小结 236
习题 236
第18章 语音处理 237
18.1组成单词读音的基本单元 237
18.2信号处理 238
18.3语音识别的隐Morkov模型 240
小结 245
习题 246
第五篇 分布式人工智能 247
第19章 概述 247
19.1什么是分布式人工智能 247
起源 247
分布式人工智能的特点 247
分布式人工智能的分类 248
分布式人工智能系统的研究发展 248
19.2分布式问题求解 249
分布式问题求解的概述 249
分布式问题的求解过程与方法 249
第20章 Agent技术 251
20.1 Agent的基本结构 251
什么是Agent 251
Agent的基本结构 252
Agent的结构分类 253
20.2 Agent通信 255
Agent间的协作与通信 255
交谈的规划与实现 256
Agent系统的通信语言 258
20.3多Agent系统 259
多Agent系统的基本模型 259
多Agent系统的体系结构 260
多Agent系统的协作、协商与协调 264
多Agent系统的学习与规划 266
多Agent系统的应用 267
小结 268
习题 268
第六篇 人工智能的应用 270
第21章 汉语自然语言处理 270
21.1语音识别中的音字转换技术 270
汉语声音语句输入的特点 270
汉语声音语句输入系统的结构 271
汉语声音语句输入的实现 272
21.2汉语自动文摘技术 273
自动文摘系统的构成 273
文本的内部表示方法 274
基于浅层分析的文摘技术 274
基于实体分析的文摘技术 275
基于话语结构的文摘技术 276
21.3信息检索技术 278
信息检索的定义与术语 278
信息检索系统的构成 278
信息检索的统计模型 279
第22章 光学字符识别技术 282
22.1印刷体文字识别系统的构成 282
22.2汉字图像预处理技术 283
二值化 283
版面分析 284
倾斜自动测量 284
版面切分 284
行、字分割 285
细化和规范化 285
22.3汉字笔段特征抽取与识别 285
笔段特征抽取的方法 286
汉字笔画的分类 286
汉字笔画的方向编码 287
汉字笔画方向码合并处理及笔画识别 288
汉字笔画间特征量的定义 288
基于整字匹配的汉字识别 289
第23章 移动Agent技术 291
23.1移动Agent系统结构及其关键技术 291
移动Agent系统结构 291
移动Agent系统的关键技术 292
典型的Agent系统 293
移动Agent的开发 294
23.2移动Agent在电子商务中的应用 294
电子商务系统模型B-CISOM 294
基于移动Agent的协作信息中间件CISOM 294
CISOM的设计与实现 295
基于CISOM的B2B协作电子商务系统B-CISOM 296
23.3移动Agent在信息安全中的应用 297
入侵检测系统IDS 297
传统的入侵检测系统 297
基于移动Agent的分布式入侵检测模型 298
MABDIDS实现的关键技术及解决方案 300
23.4移动Agent在信息服务中的应用 301
基于移动Agent的Web服务 301
信息搜索工作流程 301
小结 302
第七篇 人工智能的现在与未来 303
第24章 对人工智能的思考 303
专家系统对知识的滥用 303
强人工智能与弱人工智能 305
人工智能的极限 305
参考文献 308