《21世纪高等学校规划教材·计算机科学与技术：智能信息处理导论》可作为智能科学与技术、电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业高年级本科生的教材和相关专业研究生、博士生“智能信息处理与优化”等课程的教材，同时可以供智能信息处理与智能控制技术研究人员参考。

　　智能信息处理就是模拟人或者自然界其他生物处理信息的行为，建立处理复杂系统信息的理论、算法和系统的方法和技术。智能信息处理主要面对的是不确定性系统和不确定性现象的信息处理问题。
智能信息处理在复杂系统建模、系统分析、系统决策、系统控制、系统优化和系统设计等领域具有广阔的应用前景。
　　人类具有探索自然规律、了解未知世界、探索自身奥秘的内在动力； 具有生存和提高生活质量的需求。受这两个方面原动力的驱使，人类不断地研究新的方法和技术，不断地研制各种工具、仪器和机器，来延伸、拓展和增强自身的各种能力。各种工具、仪器和机器的制造增强了人的四肢和五官的能力，使人从繁重的体力劳动中解放出来。计算机的发明则增强了大脑的能力，拓展了人的记忆、计算、推理和思维能力。然而人类所面对的客观世界是变化的、发展的，是浩瀚无垠的，人类的知识虽然在不断丰富、不断更新，但是相对客观世界，始终是不完全的、不可靠的和不确定的。　　但人类正是用这些不精确的、不完美的知识，不断地、逐步地了解客观世界的。模糊系统理论、人工神经网络、进化计算、人工智能等都是在人类现有认识的基础上所产生的新的方法和理论，是人类进一步探索自然规律、了解未知世界、探索自身奥秘和提高生活质量的工具。
　　智能信息处理就是将不完全、不可靠、不精确、不一致和不确定的知识与信息逐步改变为完全、可靠、精确、一致和确定的知识与信息的过程和方法。就是利用对不精确性、不确定性的容忍来达到问题的可处理性和鲁棒性。智能信息处理涉及信息科学的多个领域，是现代信号处理、人工神经网络、模糊系统理论、进化计算、人工智能等理论和方法的综合应用。
　　本书介绍了这些理论、方法和工具，从智能信息处理产生的背景和发展历史、基本理论和方法、应用以及研究现状和发展趋势等方面，介绍了模糊理论及其应用、神经网络信息处理及其应用、云信息处理及其应用、可拓信息处理及其应用、粗集信息处理及其应用，遗传算法、免疫算法、蚁群算法优化处理、量子智能信息处理、多元信息融合和信息融合技术及其应用。
　　本书由孙红任主编，负责全书的审核修改和总纂，徐立萍、胡春燕任副主编，其中的第1~4章、第8~10章由孙红负责、第5、第6章由徐立萍负责、第7章由胡春燕负责。
　　本书在编写过程中参考了大量国内外相关论著，吸收了较多国内外学者的先进思想和研究成果，在此，谨向各位专家、学者致以诚挚的感谢。在本书撰写过程中，张建宏、吴钱忠、石慧娟、孔超宇、苏南、屠佥炜、刘彪、秦守文、杨青青、王晓婉等分别参加了全书各章的资料收集和整理工作，清华大学出版社给予了大力支持和辛勤指导，在此表示衷心的感谢。
　　在编写本书的过程中，作者参考了大量的学术专著和论文，由于所参考的学术论文过多，无法一一标注和列出，对此特向这些文献的作者表示歉意!同时向从事智能信息处理研究的前辈专家、老师和同仁表示由衷的敬意和感谢!
　　本书在编写过程中还得到了各单位领导、同事和家人朋友的大力支持和帮助，衷心地感谢他们。
　　本书可作为智能科学与技术、电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业的高年级本科生专业课程的教材和硕士生、博士生有关“智能信息处理与优化”的教材，同时可以供智能信息处理与智能控制技术研究人员参考。
　　由于编者水平有限，加上智能信息处理本身在不断地丰富和发展，书中难免存在疏漏和不妥之处，对此，恳请广大读者批评指正。
　　
　　　　　　　　编者
　　　　　　　2012年5月

第1章 模糊信息处理
1.1 模糊信息概述
1.1.1 模糊信息相关知识
1.1.2 模糊研究内容与应用
1.1.3 诊断模糊模型
1.2 多目标模糊优化方法
1.2.1 常规多目标优化设计的模糊解法
1.2.2 模糊多目标优化设计
1.2.3 普遍型多目标模糊优化设计方法
1.3 数据处理的模糊熵方法
1.3.1 模糊熵的公理体系与定义
1.3.2 模糊熵的图像处理
1.4 自适应模糊聚类分析
1.4.1 相关的模糊聚类算法
1.4.2 自适应模糊聚类算法
1.4.3 算法收敛性分析
1.5 模糊关联分析
1.5.1 模糊关联分析法
1.5.2 评价原理和方法
1.5.3 实证研究
1.6 模糊信息优化方法
1.6.1 模糊信息优化处理的基本理论
1.6.2 模糊信息优化实例分析
1.7 模糊多属性决策的模糊贴近度方法
1.7.1 模糊多属性决策
1.7.2 模糊多属性决策模型
1.7.3 模糊多属性决策的模糊贴近度解法
1.7.4 算例分析
1.8 信息不完全确知的模糊决策集成模型
1.8.1 信息不完全确知的多目标决策
1.8.2 决策信息不完全确知的模糊决策集成模型
1.8.3 决策信息不完全确知的模糊决策集成模型分析
1.8.4 实例分析
1.9 模糊Petri网
1.9.1 Petri网概述
1.9.2 模糊Petri网的基本理论
1.9.3 基于模糊Petri网的推理算法及应用
习题

第2章 神经网络信息处理
2.1 神经网络的一般模型
2.1.1 一般形式的神经网络模型
2.1.2 神经网络学习算法
2.1.3 神经网络计算的特点
2.1.4 神经网络的拓扑结构
2.2 BP神经网络模型
2.2.1 BP神经网络学习算法
2.2.2 BP神经网络建模
2.3 贝叶斯神经网络
2.3.1 传统神经网络和贝叶斯方法
2.3.2 神经根网络的贝叶斯学习
2.3.3 贝叶斯神经网络算法
2.4 RBF神经网络
2.4.1 RBF特点
2.4.2 RBF神经网络的结构与训练
2.4.3 高速公路ANN限速控制器的设计
2.5 贝叶斯——高速神经网络非线性系统辨识
2.5.1 BPNN分析
2.5.2 BG推理模型和BGNN
2.5.3 BGNN的自组织过程
2.5.4 仿真研究
2.6 广义神经网络
2.6.1 智能神经元模型
2.6.2 广义神经网络模型及学习算法
2.6.3 交通流预测模型
2.7 发动机神经网络BP算法建模
2.7.1 发动机性能曲线神经网络处理方法
2.7.2 发动机神经网络辨识结构
2.8 组合灰色神经网络模型
2.8.1 灰色预测模型
2.8.2 灰色神经网络预测模型

第3章 云信息处理
第4章 可拓信息处理
第5章 粗集信息处理
第6章 遗传算法
第7章 免疫算法
第8章 蚁群算法
第9章 量子智能信息处理
第10章 信息融合
参考文献