第1篇 导论 2
第1章 绪论 2
1.1人工智能的产生和发展 3
1.2最优化问题分类 6
1.3计算复杂性理论 9
1.4智能信息处理方法 11
第2篇 模糊理论 17
第2章 模糊信息处理 17
2.1模糊逻辑概述 18
2.2模糊集合与模糊逻辑 20
2.3模糊逻辑推理 25
2.4模糊计算 29
2.5模糊计算的应用现状与发展前景 33
第3篇 机器学习 37
第3章 人工神经网络与机器学习 37
3.1预备知识 38
3.2人工神经网络模型 44
3.3人工神经网络的经典结构 48
3.4人工神经网络学习算法 50
3.5基于反向传播学习的前馈型神经网络 54
3.6基于深度学习算法的深度神经网络 64
3.7机器学习的应用与发展 72
第4篇 数据挖掘基础 77
第4章 分类算法 77
4.1分类的基本概念 78
4.2基于距离的分类算法 79
4.3基于决策树的分类算法 82
4.4贝叶斯分类算法 98
4.5规则归纳 107
第5章 聚类算法 117
5.1聚类算法概述 117
5.2划分聚类算法 125
5.3层次聚类算法 133
5.4密度聚类算法 139
5.5其余聚类算法 143
第5篇 演化计算 148
第6章 遗传算法 148
6.1遗传演化理论概述 148
6.2遗传算法的基本理论 153
6.3遗传算法的实现方式 158
6.4遗传算法的改进研究 167
6.5遗传算法的应用与发展 172
第7章 蚁群优化算法 174
7.1自组织系统概述 175
7.2蚁群优化算法概述 177
7.3蚁群优化算法的实现方式 180
7.4蚁群优化算法的改进研究 187
7.5蚁群优化算法的控制参数设置 199
7.6蚁群优化算法的应用现状 201
第8章 粒子群优化算法 203
8.1粒子群优化算法概述 205
8.2粒子群优化算法的实现方式 208
8.3粒子群优化算法的改进研究 213
8.4粒子群优化算法的应用现状 219
第6篇 复杂系统基础 222
第9章 复杂网络方法 222
9.1复杂网络理论概述 222
9.2小世界网络模型 233
9.3无标度网络模型 235
9.4复杂网络方法的应用现状与发展前景 239
附录 部分章节实验参考源程序 241
附录A 机器学习算法参考源程序 242
附录B 遗传算法参考源程序 246
附录C 蚁群优化算法参考源程序 249
附录D 粒子群优化算法参考源程序 252
参考文献 254