人工智能基础教程

本书对人工智能的理论基础——智能信息处理方法逐一进行了介绍，着重讲解了各种智能算法的思想渊源、流程结构、改进方法及其相关应用。相比于其他的AI类图书，本书的优选特点是在介绍每一种类型的智能信息处理方法之前几乎都追溯了算法设计的思想渊源，因此，本书具有较大的启发性，读者在阅读时需要对此认真体会。本书精心地选择了当前人工智能领域中拥有代表性的内容，主要包括绪论、模糊计算、机器学习算法、分类算法、聚类算法、遗传算法、蚁群优化算法、粒子群优化算法以及复杂网络方法等。本书不仅将基础理论与实践应用集于一身，同时还提供了一些与人工智能领域相关的经典参考书籍，以便为读者进一步深入地学习和研究AI算法和技术提供帮助。获奖情况：

本书对人工智能的理论基础――智能信息处理方法逐一进行了介绍，着重讲解了各种智能算法的思想渊源、流程结构、改进方法及其相关应用。
相比于其他的AI类图书，本书的大特点是在介绍每一种类型的智能信息处理方法之前几乎都追溯了算法设计的思想渊源，因此，本书具有较大的启发性，读者在阅读时需要对此认真体会。本书精心地选择了当前人工智能领域中具代表性的内容，主要包括绪论、模糊计算、机器学习算法、分类算法、聚类算法、遗传算法、蚁群优化算法、粒子群优化算法以及复杂网络方法等。本书不仅将基础理论与实践应用集于一身，同时还提供了一些与人工智能领域相关的经典参考书籍，以便为读者进一步深入地学习和研究AI算法和技术提供帮助。
对于那些接近没有了解和接触过AI技术并对此有兴趣的广大读者，本书无疑是适合阅读的入门级教程或参考书。本书也适于作为高等院校计算机科学、智能科学、数据科学等相关的高年级本科生和研究生教程，还可以作为人工智能、计算智能、数据挖掘等领域的研究人员的理论参考书和工具书。

第1篇 导论
第1章 绪论
1.1 人工智能的产生和发展
1.2 优化问题分类
1.3 计算复杂性理论
1.4 智能信息处理方法
第2篇 模糊理论
第2章 模糊信息处理
2.1 模糊逻辑概述
2.2 模糊集合与模糊逻辑
2.3 模糊逻辑推理
2.4 模糊计算
2.5 模糊计算的应用现状与发展前景
第3篇 机器学习
第3章 人工神经网络与机器学习
3.1 预备知识
3.2 人工神经网络模型
3.3 人工神经网络的经典结构
3.4 人工神经网络学习算法
3.5 基于反向传播学习的前馈型神经网络
3.6 基于深度学习算法的深度神经网络
3.7 机器学习的应用与发展
第4篇 数据挖掘基础
第4章 分类算法
4.1 分类的基本概念
4.2 基于距离的分类算法
4.3 基于决策树的分类算法
4.4 贝叶斯分类算法
4.5 规则归纳
第5章 聚类算法
5.1 聚类算法概述
5.2 划分聚类算法
5.3 层次聚类算法
5.4 密度聚类算法
5.5 其余聚类算法
第5篇 演化计算
第6章 遗传算法
6.1 遗传演化理论概述
6.2 遗传算法的基本理论
6.3 遗传算法的实现方式
6.4 遗传算法的改进研究
6.5 遗传算法的应用与发展
第7章 蚁群优化算法
7.1 自组织概述
7.2 蚁群优化算法概述
7.3 蚁群优化算法的实现方式
7.4 蚁群优化算法的改进研究
7.5 蚁群优化算法的控制参数设置
7.6 蚁群优化算法的应用现状
第8章 粒子群优化算法
8.1 粒子群优化算法概述
8.2 粒子群优化算法的实现方式
8.3 粒子群优化算法的改进研究
8.4 粒子群优化算法的应用现状
第6篇 复杂基础
第9章 复杂网络方法
9.1 复杂网络理论概述
9.2 小世界网络模型
9.3 无标度网络模型
9.4 复杂网络方法的应用现状与发展前景
附录 部分章节实验参考源程序
附录A 机器学习算法参考源程序
附录B 遗传算法参考源程序
附录C 蚁群优化算法参考源程序
附录D 粒子群优化算法参考源程序
参考文献