本书介绍了智能信息处理的基础理论，并结合编著者本人以及其他学者在智能信息处理技术应用方面取得的最新成果，系统地介绍了智能信息处理过程中常用的方法——信息融合技术(data-fusion)、人工神经网络技术(ANN)、专家系统(ES)以及它们的综合集成。

本书分上、下两篇：上篇介绍了智能信息处理的基础理论，包括主观Bayes方法、确定性理论、证据理论、可能性理论、模糊推理、模糊产生式系统等；下篇结合编著者本人以及其他学者在智能信息处理技术应用方面取得的最新成果，系统地介绍了智能信息处理过程中常用的方法——信息融合技术(data-fusion)、人工神经网络技术(ANN)、专家系统(ES)以及它们的综合集成等。

上篇 智能信息处理的基础理论

 1、不精确推理模型

1.1 不精确推理模型的基本结构

1.2 主观Bayes方法

1.3 确定性理论

1.4 证据理论

1.5 可能性理论

1.6 证据理论与确定性理论

 2、模糊推理

2.1 基本概念

2.2 模糊条件推理

2.3 模糊三段论

2.4 模糊换质位法

2.5 具有“IFTHENELSE”命题形式的模糊推理

 3、模糊产生式系统

3.1 模糊产生式规则

3.2 模糊产生式系统

下篇 智能信息处理的方法及其应用

 4、信息融合技术

4.1 信息融合的基本原理和系统结构

4.2 信息融合的基本方法

4.3 信息融合研究存在的问题和发展方向

4.4 一个Bayes数据融合模型及其在发酵控制中的应用

 5、专家系统及其在信息处理中的应用

5.1 什么叫专家系统

5.2 一些较著名的专家系统

5.3 专家系统的分类

5.4 柠檬酸发酵过程控制专家系统

 6、神经网络及其在信息处理中的应用

6.1 BP网络

6.2 Hopfield网络

6.3 BP网络在烧结质量推断中的应用

6.4 子波神经网络及其在自动目标识别中的应用

结束语

参考文献