第1章 绪论 1
1.1 智能计算方法 1
1.1.1 神经网络 2
1.1.2 遗传算法与演化计算 2
1.1.3 免疫信息处理 4
1.1.4 生态计算 5
1.1.5 各领域的内在联系 5
1.2 智能挖掘方法 6
1.2.1 决策树类模型 7
1.2.2 k平均算法 9
1.2.3 支持向量机 9
1.2.4 贝叶斯分类器 11
1.2.5 k邻近算法 13
1.2.6 CART回归树分类器 14
1.2.7 Adaboost分类器 15
1.2.8 关联规则Apriori算法 16
1.2.9 最大期望 17
1.2.10 PageRank 17
第2章 智能方法基础 19
2.1 模糊计算 19
2.1.1 模糊理论基础 19
2.1.2 模糊逻辑与模糊推理 24
2.1.3 模糊判决基本方法 26
2.2 粗糙集理论 27
2.2.1 粗糙集理论的概念 27
2.2.2 粗糙集属性约简基本算法 30
2.2.3 粗糙集理论的应用 31
2.3 人工神经网络 33
2.3.1 人工神经网络概念 33
2.3.2 人工神经网络学习算法 35
2.3.3 人工神经网络典型模型及其算法 35
2.4 进化计算 43
2.4.1 进化计算原理基础 43
2.4.2 遗传算法 44
2.4.3 进化策略 49
2.4.4 进化规划 50
2.5 人工免疫计算 52
2.5.1 人工免疫系统的工作原理 52
2.5.2 一般人工免疫算法 54
2.5.3 阴性选择算法 55
2.5.4 克隆选择算法 56
2.5.5 免疫遗传算法（IGA） 56
2.6 群智能计算 58
2.6.1 粒子群优化算法 58
2.6.2 蚁群算法 61
2.7 深度学习模型 66
第3章 智能挖掘方法 70
3.1 关联规则挖掘 70
3.1.1 关联规则的概念 70
3.1.2 关联规则基本原理 72
3.1.3 关联规则基本算法 74
3.1.4 实例分析 79
3.2 序列模式挖掘 80
3.2.1 序列模式挖掘的概念 81
3.2.2 序列模式挖掘基本原理 82
3.2.3 序列模式挖掘基本算法 83
3.3 监督学习 90
3.3.1 最近邻分类 90
3.3.2 决策树 92
3.3.3 贝叶斯分类器 97
3.4 无监督学习 100
3.4.1 k-均值聚类算法 100
3.4.2 层次聚类 104
3.4.3 基于密度的聚类 108
3.5 向量空间模型 112
3.5.1 基本定义 112
3.5.2 基本方法 112
3.5.3 实例分析 115
3.6 语义网模型 116
3.6.1 WordNet简介 116
3.6.2 WordNet节点间的关系 117
3.6.3 WordNet中各类词性的组织 119
3.6.4 WordNet在计算机中的存储结构及其使用方式 120
3.6.5 基于WordNet语义相似度的计算方法 123
第4章 智能融合方法 124
4.1 灰色神经网络 124
4.1.1 灰色神经网络原理 124
4.1.2 灰色神经网络模型 127
4.1.3 遗传优化的灰色神经网络 136
4.1.4 实例分析 137
4.2 灰色粗糙集 139
4.2.1 灰色粗糙集基本原理 140
4.2.2 灰色粗糙集基本方法 140
4.2.3 实例分析 143
4.3 量子神经网络 145
4.3.1 量子理论的基本原理及概念 145
4.3.2 量子计算与量子学习 147
4.3.3 量子神经网络 149
4.3.4 实例分析 152
4.4 量子进化计算 153
4.4.1 量子进化算法 153
4.4.2 典型应用 156
4.4.3 实例分析 156
第5章 智能方法典型应用 160
5.1 基于不完备信息系统的知识约简 160
5.1.1 不完备信息系统的基本概念 161
5.1.2 基于动态量化非对称相似关系的扩充粗糙集模型 162
5.1.3 动态调节知识重要性的约简算法 163
5.1.4 实例分析 166
5.2 最小属性约简 168
5.2.1 最小属性约简过程 168
5.2.2 粒矩阵属性约简的启发式算法 169
5.2.3 实例分析 169
5.3 求解最小MPR集 171
5.3.1 节点的最小MPR集求解 172
5.3.2 基于蚁群算法求解最小MPR集 173
5.3.3 改进的蚁群算法模型 174
5.3.4 OPNET仿真 176
5.4 城市隧道监控数据清理 178
5.4.1 智能交通的现状 179
5.4.2 城市监控数据的特征 179
5.4.3 基于不重复采样的RICA车检器数据清理算法 180
5.4.4 实验分析 183
5.5 城市隧道交通态势预测 187
5.5.1 数据来源和特征项的选取 187
5.5.2 交通态势等级的划分 188
5.5.3 隧道交通态势的预测 189
5.5.4 多类分类方法 190
5.5.5 基于分类的交通态势预测算法 191
5.5.6 实验分析 193
第6章 智能方法Web应用 196
6.1 Web信息检索及其个性化技术 196
6.1.1 信息检索的概念 196
6.1.2 文本相似度计算 197
6.1.3 个性化信息检索 202
6.2 微博语义特征扩展和实时检索平台 206
6.2.1 基于向量空间模型的微博文本相似度计算 207
6.2.2 基于WordNet的微博文本语义相似度计算 208
6.2.3 基于维基百科的微博特征扩展 209
6.2.4 基于TwitterStorm平台的实时微博检索系统 211
6.3 Web推荐系统及其示例 217
6.3.1 协同过滤推荐 217
6.3.2 基于用户的协同过滤推荐 218
6.3.3 基于项目的协同过滤推荐 221
6.3.4 评分相关 223
6.3.5 基于模型的协同过滤推荐 225
6.3.6 推荐系统的实际应用 232
6.3.7 谷歌新闻个性化推荐 234
6.3.8 协同过滤方法的应用分析 235
6.4 产品观点的挖掘以及用户满意度的评价 236
6.4.1 用户满意度评价的一般方法 236
6.4.2 基于灰色评估的用户满意度综合评价方法 237
6.4.3 基于灰色评估的用户满意度评价仿真研究 241
6.4.4 实验结果分析 245
第7章 智能方法拓展研究 246
7.1 智能方法应用 246
7.2 拓展研究 247
7.2.1 智能方法与物联网 247
7.2.2 智能方法与云计算 248
7.2.3 智能方法与社会计算 249
7.2.4 智能方法与大数据 251
7.2.5 智能方法与绿色计算 254
参考文献 256