人工智能算法

目錄

第1章緒論(24min)

1.1人工智能的發展過程

1.1.1孕育階段

1.1.2形成階段

1.1.3發展階段

1.2人工智能的核心技術體系

1.3人工智能特點與應用

1.3.1人工智能研究的特點

1.3.2人工智能應用

第2章MATLAB語言入門(56min)

2.1MATLAB語言開發環境

2.1.1命令行窗口

2.1.2M文件編輯窗口

2.1.3Simulink Model窗口

2.2數據類型與基本運算符

2.2.1變量的定義與賦值

2.2.2數據類型

2.2.3關系表達式

2.2.4關系表達式的優先級

2.2.5邏輯表達式

2.3常用的流程操作語句

2.3.1順序結構

2.3.2if分支結構

2.3.3switch分支結構

2.3.4while循環結構

2.3.5for循環結構

2.4MATLAB語言的繪圖

2.4.1圖形的基礎知識

2.4.2繪制二維圖形

2.4.3設置曲線的屬性

2.4.4設置坐標軸範圍

2.4.5疊繪和圖形標識

2.4.6繪制雙坐標軸圖形

2.4.7繪制多子圖

2.4.8交互式圖形

2.4.9繪制面積圖

2.4.10繪制直方圖

2.4.11繪制二維餅圖

2.4.12繪制向量圖

2.4.13繪制等高線

2.4.14繪制偽色彩圖

2.4.15繪制誤差棒

2.4.16繪制二維離散桿圖

2.4.17繪制散點圖

2.4.18極坐標圖形

2.4.19柱坐標圖形 

2.4.20繪制三維曲線

2.4.21編輯三維圖形

2.4.22四維圖形

第3章插值算法與曲線擬合(101min)

3.1插值

3.1.1一維插值

3.1.2人口數量預測

3.1.3二維插值

3.1.4繪制二元函數圖形

3.2插值算法

3.2.1拉格朗日插值

3.2.2牛頓插值

3.2.3分段插值法

3.2.4樣條插值

3.3曲線擬合

3.3.1多項式擬合

3.3.2加權最小方差擬合

3.3.3數據擬合——適用加權最小方差WLS方法

第4章灰色系統理論(44min)

4.1灰色關聯分析法

4.1.1灰色關聯因素與關聯算子集

4.1.2距離空間

4.1.3灰色關聯公理與灰色關聯度

4.2灰色預測

4.2.1累加生成序列

4.2.2均值GM(1，1)模型

4.2.3累減生成序列

4.2.4模型檢驗 

4.3灰色聚類評估

4.3.1灰色變權聚類

4.3.2灰色定權聚類

第5章傅里葉變換和小波變換(86min)

5.1傅里葉變換

5.1.1傅里葉級數的頻譜

5.1.2傅里葉級數的相位譜

5.1.3傅里葉變換表示形式

5.1.4MATLAB的傅里葉變換函數

5.1.5傅里葉變換的信號降噪應用

5.2小波變換

5.2.1小波函數

5.2.2小波變換理論

5.2.3小波分解與重構

5.2.4MATLAB的小波變換函數

5.2.5小波變換在信號處理中的應用

5.3小波包變換

5.3.1小波包變換理論

5.3.2小波包變換的MATLAB函數

5.3.3小波包變換在信號處理中的應用

第6章經驗模態分解算法(40min)

6.1EMD算法

6.1.1瞬時頻率

6.1.2EMD基本理論

6.1.3EMD下載與應用

6.2EEMD算法

6.3CEEMD算法

第7章模糊邏輯控制算法(14min)

7.1概述

7.2模糊集合的基本概念

7.2.1普通集合

7.2.2模糊集合

7.2.3模糊運算

7.2.4隸屬函數的確定

7.2.5常見的隸屬函數

7.3模糊關系的基本概念

7.3.1普通關系

7.3.2模糊關系

7.3.3模糊變換

7.4模糊推理與模糊決策

7.4.1模糊邏輯

7.4.2模糊語言算子

7.4.3模糊推理

7.4.4模糊決策

7.5模糊控制器的基本原理與設計方法

7.5.1模糊控制器的基本原理

7.5.2模糊控制器的設計步驟

7.6模糊控制系統的工作原理

7.6.1單輸入和單輸出模糊控制器的設計

7.6.2雙輸入和單輸出模糊控制器

7.6.3MATLAB模糊控制工具箱及應用

第8章滑模變結構控制(12min)

8.1變結構控制系統

8.1.1變結構控制

8.1.2變結構控制系統的品質

8.1.3變結構系統的數學模型

8.1.4變結構控制的特點

8.2開關控制與滑模變結構控制

8.2.1開關控制

8.2.2變結構系統中的滑動模態

8.3滑動模態及其數學表達

8.3.1滑動模態

8.3.2滑動模態的數學表達

8.4菲力普夫理論

8.4.1滑動模態的存在條件

8.4.2關於菲力普夫理論的說明

8.5等效控制及滑模運動

8.5.1等效控制

8.5.2滑模運動

8.6滑模變結構控制的基本問題

8.6.1滑動模態的存在性

8.6.2滑動模態的可達性及廣義滑模

8.6.3滑模運動的穩定性

8.7滑模變結構控制系統的動態品質

8.7.1正常運動段

8.7.2滑模運動段

8.8滑模變結構控制的基本方法

8.8.1滑模變結構的基本控制策略

8.8.2滑模變結構控制的基本結構

8.9基於低通濾波器的滑模控制

8.9.1系統描述

8.9.2滑模控制器設計

8.9.3模擬實例

第9章神經網絡基本理論(87min)

9.1生物神經網絡

9.1.1生物神經元的結構

9.1.2生物神經元的信息處理機理

9.1.3生物神經網絡的信息處理

9.2人工神經元的數學建模

9.2.1MP模型

9.2.2常用的神經元數學模型

9.3人工神經網絡的結構建模

9.3.1網絡拓撲類型

9.3.2網絡信息流向類型

9.4人工神經網絡的學習

9.5神經網絡及其分類

9.6BP神經網絡

9.6.1BP神經網絡結構

9.6.2BP神經網絡算法原理

9.6.3反向傳播實例

9.7BP算法的不足與改進

9.7.1BP算法的不足

9.7.2BP算法的改進

9.8BP網絡的MATLAB模擬實例

9.8.1BP神經網絡的MATLAB工具箱

9.8.2BP網絡模擬實例

9.9徑向基神經網絡

9.9.1正規化RBF網絡

9.9.2廣義RBF網絡

9.10徑向基網絡的MATLAB模擬實例

9.10.1RBF網絡的MATLAB工具箱

9.10.2模擬實例

第10章支持向量機(43min)

10.1統計學習理論基礎

10.1.1機器學習

10.1.2經驗風險最小化原則

10.1.3結構風險最小化原則

10.2支持向量機

10.2.1最優超平面

10.2.2線性支持向量機

10.2.3非線性支持向量機

10.3LIBSVM軟件包簡介

10.3.1LIBSVM使用的數據格式

10.3.2LIBSVM使用的函數

10.3.3LIBSVM使用

第11章智能優化算法(34min)

11.1粒子群概述

11.1.1粒子群算法的基本原理

11.1.2全局與局部模式

11.1.3粒子群的算法建模

11.1.4粒子群的特點

11.1.5粒子群算法與其他進化算法的異同

11.2粒子群算法

11.2.1基本原理

11.2.2算法構成要素

11.2.3算法的基參數設置

11.2.4算法基本流程

11.2.5粒子群算法的MATLAB實現

11.3蟻群算法

11.3.1蟻群的基本概念

11.3.2蟻群算法的重要規則

11.3.3蟻群優化算法的應用

11.3.4蟻群算法的MATLAB實現

11.4模擬退火算法

11.4.1模擬退火算法的理論

11.4.2模擬退火尋優實現步驟

11.4.3模擬退火算法的MATLAB工具箱

11.4.4模擬退火的MATLAB實現

11.5遺傳算法

11.5.1遺傳算法概述

11.5.2遺傳算法的生物學基礎

11.5.3遺傳算法的名稱解釋

11.5.4遺傳算法的運算過程

11.5.5遺傳算法的特點

11.5.6染色體的編碼

11.5.7適應度函數

11.5.8遺傳算子

11.5.9算法參數設計原則

11.5.10適應度函數的調整

11.5.11遺傳算法的應用

11.6禁忌搜索算法

11.6.1禁忌搜索的相關理論

11.6.2啟發式搜索算法與傳統的方法

11.6.3禁忌搜索與局部鄰域搜索

11.6.4局部鄰域搜索

11.6.5禁忌搜索的基本思想

11.6.6禁忌搜索算法的特點

11.6.7禁忌搜索算法的應用