信息智能处理技术是信号与信息技术领域的研究热点之十，在工业和国防科技领域具有广阔的应用前景。本书基本涵盖了当前智能信息处理的最新技术，内容上既包括基本理论的详细介绍，又包括MATLAB具体仿真方法的介绍，同时还有在实际问题上的具体应用，可使读者循序渐进地掌握智能算法的精髓和应用技巧。内容安排尽可能考虑适念高等学校相关专业高年级本科生、研究生以及博士生的实际教学要求，做到深入浅出、重点突出，读者可以在较短的时间内入门并深入进去。

信息智能处理技术是信号与信息技术领域一个前沿的富有挑战性的研究方向，它以人工智能理论为基础，侧重于信息处理的智能化，包括计算机智能化（文字、图象、语音等信息智能处理）、通信智能化以及控制信息智能化。

本书在介绍智能信息处理相关理论的基础上，全面而详实地阐述了智能信息处理的核心技术——计算智能算法，内容主要包括：模糊理论、专家系统、人工神经网络、遗传算法、模拟退火算法、蚁群算法、免疫算法、克隆选择算法和粒子群算法，并给出了算法基于MATLAB语言的具体实现方法，以及在信息处理和现代通信系统中的具体应用实例。本书基本涵盖了当前智能信息处理的最新技术，力争做到理论和具体应用的有机结合。

本书适用于高等学校信号和信息处理、通信与信息系统、计算应用技术、模式识别与智能系统、水声工程等专业的高年级本科生、研究生和博士生的课程教材，也可作相关研究人员的参考书。

第1章 绪论 1

 1.1 智能的概念 1

 1.2 人工智能 2

1.2.1 人工智能发展历史 3

1.2.2 人工智能研究内容及目标 4

1.2.3 人工智能研究领域 5

1.3 信息智能处理技术及其应用 8

第2章 信息智能处理语言 12

 2.1 概述 12

 2.2 逻辑型程序设计语言Prolog 13

2.2.l Prolog语言的三种基本语句 14

2.2.2 Prolog语言的基本结构 14

2.2.3 Prolog语言的基本工作原理 16

2.2.4 Prolog语言的特点 18

2.2.5 Prolog语言的常用版本 19

第3章 模糊理论基础 21

 3.1 概述 21

 3.2 普通集合与模糊集合 22

3.2.1 普通集合 22

3.2.2 模糊集合 24

 3.3 模糊集合的运算 26

3.3.1 模糊集合基本运算 26

3.3.2 模糊关系 27

3.3.3 模糊变换 30

 3.4 模糊集合的两个基本定理 31

3.4.1 分解定理 31

3.4.2 扩张定理 32

 3.5 模糊语言表述 33

3.5.1 语气算子 33

3.5.2 模糊化算子 34

3.5.3 判定化算子 35

 3.6 模糊逻辑 36

 3.7 模糊推理 37

3.7.1 模糊假言推理 38

3.7.2 模糊条件推理 39

 3.8 模糊控制 42

3.8.1 模糊控制基本过程 43

3.8.2 系统分析 43

3.8.3 输入模糊化处理 44

3.8.4 模糊控制规则库的建立 46

3.8.5 模糊推理 47

3.8.6 输出反模糊化处理 48

 3.9 基于MATLAB的模糊推理系统 49

3.9.1 利用GUI建立FIS 49

3.9.2 利用MATLAB命令行建立FIS 58

 3.10 模糊集合理论应用实例——基于模糊集合 理论的图像增强 62

3.10.1 图像模糊增强的技术方案 63

3.10.2 基于MATLAB语言的图像模糊增强实现 65

第4章 机器学习与自动推理技术 70

 4.1 机器学习 70

4.1.1 机器学习的主要策略 71

4.1.2 机器学习系统 71

4.1.3 机器学习分类 72

4.1.4 符号学习 73

 4.2 自动推理技术 75

4.2.1 确定性推理方法 77

4.2.2 不确定性推理方法 82

第5章 专家系统 93

 5.1 概述 93

 5.2 专家系统的基本框架 94

 5.3 专家系统的特点及类型 96

5.3.1 专家系统的特点 96

5.3.2 专家系统的类型 97

 5.4 专家系统的设计与开发 100

5.4.1 知识的获取 100

5.4.2 知识库的建立 101

5.4.3 推理机制 102

5.4.4 专家系统的设计评价 106

 5.5 专家系统开发工具 107

5.5.1 骨架型开发工具 108

5.5.2 语言型开发工具 109

5.5.3 构造辅助工具 110

5.5.4 支撑环境 111

 5.6 专家系统应用实例——组合导航标绘仪故障 诊断专家系统 112

5.6.1 组合导航标绘仪故障诊断专家系统设计 113

5.6.2 组合导航标绘仪故障诊断方法研究及实现 114

第6章 人工神经网络理论 117

 6.1 概述 117

 6.2 人工神经网络基本理论 118

6.2.1 人工神经元基本模型 118

6.2.2 人工神经网络结构 120

6.2.3 人工神经网络的学习 121

 6.3 前馈型神经网络主要算法 123

6.3.1 感知器模型 124

6.3.2 BP网络模型 126

6.3.3 RBF网络模型 134

 6.4 反馈型神经网络主要算法 148

6.4.1 Hopfield网络算法 148

6.4.2 自组织特征映射网络算法 154

 6.5 基于MATLAB语言的人工神经网络工具箱 158

6.5.1 基本功能介绍 158

6.5.2 BP网络的MATLAB实现 159

6.5.3 径向基函数网络的设计实例 166

6.5.4 神经网络工具箱中的图形用户界面 179

 6.6 人工神经网络的应用实例——基于BP神经网络的 自然纹理图像生成 185

6.6.1 图像纹理特征的提取 185

6.6.2 自然纹理图像非线性数学模型的建立 186

6.6.3 实验仿真 187

第7章 遗传算法 189

 7.1 概述 189

 7.2 遗传算法的一般步骤和基本算子 190

7.2.1 遗传算法的一般步骤 190

7.2.2 遗传算法的基本算子 192

 7.3 遗传算法应用中的一些基本问题 197

 7.4 遗传算法的特点 199

 7.5 遗传算法的应用实例——TSP问题的求解 201

7.5.1 TSP问题 201

7.5.2 基于遗传算法的TSP问题求解 203

 7.6 基于MATLAB语言的遗传算法工具箱 213

7.6.1 遗传算法工具箱简介 213

7.6.2 遗传算法工具箱GAOT 213

7.6.3 遗传算法工具箱GADS 217

第8章 模拟退火算法 222

 8.1 概述 222

8.1.1 物理学固体退火过程 222

8.1.2 Metropolis准则 223

 8.2 模拟退火算法 223

8.2.1 模拟退火算法的操作过程 224

8.2.2 模拟退火算法的特点 226

 8.3 模拟退火算法中关键参数的选取 227

 8.4 模拟退火算法的改进 229

8.4.1 自适应模拟退火算法 230

8.4.2 增加记忆能力的模拟退火算法 230

8.4.3 增加升温功能的模拟退火算法 231

8.4.4 混合模拟退火算法（Hybrid SA） 232

8.4.5 并行模拟退火算法（Parallel SA，PSA） 233

 8.5 模拟退火算法的应用 233

 8.6 基于MATLAB语言的模拟退火算法实现 234

8.6.1 基于MATLAB语言的模拟退火算法程序设计 234

8.6.2 基于MATLAB工具箱的模拟退火算法程序设计 238

 8.7 模拟退火算法应用实例——基于模拟退火 算法的图像阈值分割 243

8.7.1 图像阈值分割基本原理 243

8.7.2 基于模拟退火算法的图像单阈值分割 244

8.7.3 实验仿真及结果分析 247

第9章 蚁群算法 248

 9.1 概述 248

 9.2 蚂蚁觅食基本原理 248

 9.3 蚂蚁系统 251

 9.4 蚁群算法的参数分析 257

9.4.1 启发因子α和β的分析 257

9.4.2 信息素挥发系数σ的分析 260

9.4.3 蚂蚁数量m的分析 262

9.4.4 总信息量Q的分析 264

 9.5 蚁群算法最重要的改进——蚁群系统 265

 9.6 蚁群算法的特点及应用领域 270

 9.7 基于MATLAB语言的蚁群算法实现 271

 9.8 蚁群算法应用实例——基于蚁群算法的硬币自动识别 277

9.8.1 基于蚁群算法的聚类识别基本原理 277

9.8.2 硬币图像特征提取 278

9.8.3 基于蚁群算法的硬币图像自动识别 279

9.8.4 实验仿真及结果分析 280

第10章 人工免疫算法 282

 10.1 概述 282

 10.2 人工免疫系统的生物学基础 283

10.2.1 生物免疫定义 283

10.2.2 生物免疫系统工作原理 284

10.2.3 生物免疫系统的特性 285

 10.3 人工免疫算法 287

10.3.1 人工免疫算法基本框架 287

10.3.2 否定选择算法 288

10.3.3 免疫遗传算法 292

10.3.4 免疫规划算法 293

 10.4 人工免疫算法的特点及应用 298

 10.5 基于MATLAB语言的免疫算法的实现 299

 10.6 免疫算法应用实例——基于免疫算法的无线传感器网络路由算法研究 305

10.6.1 基于移动代理的无线传感器网络数据融合模型 306

10.6.2 基于免疫算法的MA改进路由算法实现 307

10.6.3 实验仿真与结果分析 308

第11章 克隆选择算法 310

 11.1 概述 310

 11.2 克隆选择算法基本原理 311

11.2.1 克隆选择算法的基本思想 311

11.2.2 克隆选择算法的描述 313

11.2.3 克隆选择算法的实现步骤 315

 11.3 克隆选择算法与遗传算法的比较 317

 11.4 克隆选择算法应用和展望 317

 11.5 基于MATLAB语言的克隆选择算法实现 319

 11.6 克隆选择算法应用实例——基于克隆选择算法的PET-CT医学图像配准的实现 327

11.6.1 医学图像配准的基本原理 327

11.6.2 基于克隆选择算法的PET-CT医学图像配准实现 329

11.6.3 仿真实验及结果分析 330

第12章 粒子群算法 332

 12.1 概述 332

 12.2 粒子群算法的基本原理 332

 12.3 粒子群算法的改进 339

 12.4 粒子群算法的应用 343

 12.5 基于MATLAB语言的PSO工具箱 345

 12.6 基于PSO算法的OFDM峰平比抑制问题研究 349

12.6.1 相位优化组合方法降低OFDM系统PAPR的原理 349

12.6.2 基于改进PSO算法的相位优化组合法在抑制OFDM信号PAPR的实现 350

12.6.3 实验仿真与结果分析 352