《计算智能基础/高等学校“十二五”规划教材·计算机及其应用系列》系统地介绍了计算智能的主要基本理论和技术内容，其中包括模糊系统理论、粗糙集理论、神经网络理论、支持向量机、进化计算、免疫算法、蚁群算法和粒子群算法等。全书共分九章，基本包括了计算智能所涉及到的理论和方法，每章各成体系，又相互联系。计算智能是一门交叉学科。
目录
- 第1章 绪论
- 1.1 智能的定义
- 1.2 生物智能
- 1.3 机器智能
- 1.4 计算智能的相关技术
- 第2章 模糊系统理论及实现方法
- 2.1 模糊集合和模糊逻辑
- 2.2 模糊关系
- 2.3 模糊逻辑与模糊语言
- 2.4 模糊推理
- 2.5 习题
- 第3章 粗糙集理论
- 3.1 粗糙集理论概述
- 3.2 粗糙集的基本定义及其性质
- 3.3 属性约简的粗糙集理论
- 3.4 属性约简的粗糙集方法
- 3.5 粗糙集方法的应用实例
- 3.6 习题
- 第4章 神经网络理论
- 4.1 人工神经元模型
- 4.2 M-P神经元模型与神经网络的学习规则
- 4.3 简单前向神经网络
- 4.4 Hopfield神经网络
- 4.5 自组织特征映射神经网络
- 4.6 动态递归网络
- 4.7 CMAC网络
- 4.8 习题
- 第5章 支持向量机
- 5.1 引言
- 5.2 统计学习理论
- 5.3 分类支持向量机
- 5.4 回归支持向量机
- 5.5 序列化最小最优化算法
- 5.6 支持向量机的应用
- 5.7 习题
- 第6章 进化计算
- 6.1 遗传算法
- 6.2 遗传规划
- 6.3 习题
- 第7章 免疫算法
- 7.1 免疫算法基本架构
- 7.2 基于群体的免疫算法
- 7.3 基于网络的免疫算法
- 7.4 免疫模型
- 7.5 免疫算法与进化算法的融合
- 7.6 习题
- 第8章 蚁群算法
- 8.1 引言
- 8.2 蚁群算法基本原理
- 8.3 基本的蚁群算法
- 8.4 改进的蚁群算法
- 8.5 有关蚁群算法的某些思考
- 8.6 习题
- 第9章 粒子群算法
- 9.1 引言
- 9.2 粒子群算法的产生背景
- 9.3 粒子群算法的特点
- 9.4 基本PSO算法
- 9.5 粒子群算法的关键问题
- 9.6 粒子群算法的分类
- 9.7 PSO与其他算法比较
- 9.8 粒子群算法的应用领域
- 9.9 习题
- 参考文献
