《（毕业论文）-智能信息处理理论与方法》由会员分享，可在线阅读，更多相关《（毕业论文）-智能信息处理理论与方法（33页珍藏版）》请在金锄头文库上搜索。
1、 武汉工业学院武汉工业学院毕毕 业业 论论 文文论文论文题题 目目 ：智能信息处理理论与方法：智能信息处理理论与方法姓 名 学 号 院 （系） 数理科学系专 业 电子信息科学与技术指导教师 2011 年 6 月 10 日目录 第一章 绪论1 1.1 智能信息处理的产生及其发展.1 1.1.1 计算智能的产生1 1.1.2 信息处理技术的应用和现状4 第二章 智能信息处理的主要技术8 2.1.1 什么是模糊逻辑8 2.1.2 模糊逻辑控制技术10 2.1.3 模糊处理技术12 2.2 神经计算技术13 2.2.1 脑神经系统13 2.2.2 神经网络的主要特征14 2.3 进化计算技术.15 2
2、.3.1 遗传算法的发展过程.15 2.3.2 遗传算法的基本理论研究15 2.3.3 进化计算与遗传算法的关系16 2.3.4 遗传算法参数的选择16 2.3.5 遗传算法的应用17 2.4 混沌计算技术.19 2.4.1 混沌时间序列预测和控制20 2.4.2 混沌神经网络20 2.4.3 混沌在多 Agent 系统中的应用21 2.4.4 混沌同步和通信.22 2.5 分形计算技术.24 2.5.1 分形的基本概念.24 2.5.2 分形维数26 2.5.3 分形的应用26 第三章 总结与展望27 致谢28 参考文献29I摘要摘要 随着信息技术在企业的日益普及，信息系统在工具手段、开发模
3、式、软件规模、指导思想等方面的不断提升，企业在信息需求方面日趋多样化、人性化、智能化，智能信息处理成为信息系统发展的一个重要方向。多年来，人们一直在探索新一代的信息处理技术。自 20 世纪 90 年代以来，国际上掀起了一股强劲的研究模糊逻辑系统、神经网络、遗传算法、信息融合、混沌与分形理论与技术的热潮，推动了软计算、软处理技术的深入发展。近年来，模糊计算、神经计算、进化计算、混沌与分形计算、小波交换、人工生命科学等新一代智能信息处理技术的研究，不仅在各自的学科领域取得了引人瞩目的发展，而且它们之间的相互渗透和有机结合必然引起智能信息处理技术的革命。关键词： 智能信息处理； 模糊计算； 神经计算
4、； 遗传算法； 混沌与分形IIAbstractWith the popularization of information technology in enterprise and the increase of the following aspects of information system: development tools, development mode, software dimension, guiding ideology and so on, demands for information become more and more various, personal
5、and intelligent, intelligence information processing has become an important development trend of information system. Thetraditional methods depend only on the introduction of artificial intelligence. There are some faults in intelligence information processing from the information chain view point
6、of data, information and knowledge. Firstly, in the aspect of data automatic acquisition, although several intelligent instruments have been brought forward, less research was made on how to acquire data automatically, correctly and with no redundancy under the condition of multiple signal sources.
7、The Second is the simple pattern in information processing and the lack study of organization and present ation of multi-structure and multi-source information. In recent years,the research ofFuzzy computing ，Neural computing ，Genetic Algorithm，Chaos and Fractal computing，Artificial Life Sciences ha
8、s made Noteworthy achievements，and it will inevitably lead to intelligent information processing technology revolutionKey word：Intelligent Information Processing ； Fuzzy computing Neural computing ； Genetic Algorithm ； Chaos and Fractal1第一章第一章 绪论绪论本文简要地介绍了智能信息处理技术的发展过程，智能技术的相关技术，如模糊逻辑、神经网络、进化计算、混沌和分
9、形技术的概念、基本特点和应用，对智能信息处理技术的应用、现状和发展趋势进行了讨论。 1.11.1 智能信息处理的产生及其发展智能信息处理的产生及其发展1.1.1 计算智能的产生计算智能的产生20 世纪 90 年代以来，在智能信息处理研究的纵深发展过程中，人们特别关注到精确处理与非精确处理的双重性，强调符号物理机制与联接机制的综合，倾向于冲破“物理学式”框架的“进化论”新路，一门称为计算智能( Computational Intelligence)的新学科分支被概括地提出来了，并以更加明确的目标蓬勃发展。1994 年 IEEE 为了促进多学科渗透和结合，把模糊系统(Fuzzy systems)、
10、神经网络(Neural Networks)和进化计算(Evolutionary computation)三个年会合并举行，于 1994 年 6 月 25 日至 7 月 3日在美国佛罗里达州( Florida)的奥兰多(Orlando)召开全球第一届计算智能大会( WCICI)，出版了计算智能、模仿生命的论文集。大会决定计算智能会议每三年召开一次。此次会议是计算智能的第一次综台性大会，共收集了来自世界各国学者的约 1 600 篇论文，大会的主题是计算智能。人们会提出这样的问题：人工智能和计算智能有什么不同，又有什么关系呢？首次给出计算智能定义的是美国学者 JamesCBezdek0 1992 年
11、，他在近似推理的国际杂志上论道：计算智能依靠生产者提供的数字材料，而不是依赖于知识，而人工智能使用的是知识精华. Bezdek 还说：人工神经网络应称为计算神经网络，即“人工”两字应改为“计算” 。在人工智能 AI 和计算智能 CI 的关系上，Bezdek 认为 CI 是 AI 的子集，即 CIAI。而这次大会主席 JacekMZurada 却认为 CIAI，两者只有部分重合。JCBezdek 在题为“什么是计算智能玎的报告中讲到：智能有三个层次，第一层是生物智能（Biological Intelligence，简称 BI） ，它是由入脑的物理化学过程反映出来的，人脑是有机物，它是智能的物质基
12、础。第二层是人工智能（Artificiai Jntefiigence，2简称 AI） ，它是非生物的，是人造的，常用符号表示，AI 的来源是人的知识精华和传感器数据。第三层是计算智能（Conlpuialional Iniclligcnce简称 CI） ，它是由数学方法和计算机实现的，CI 的来源是数值计算和传感器。以上三者第一个英文字符取出来称之为 ABC。显然，从复杂性看有三个层次，即 B(有机)、A(符号)、C(数值)，而且 BI 包含了 AI，AI 又包含了 CI，Bczdek 的看法，AI 是 CIBI 的中间过渡，因为 AI 中除了计算算法外，还包含符号表示和数值信息处理。模糊集和模
13、糊逻辑是 CIAI 的平滑过渡，因为它包含了数值信息和语义信息。他还认为：计算种经网络 CNN 是一个最底层最基本的环节，也是 CI 的一个重要基石，主要用于模式识别。CNN 由以下四个点决定：功能、结构（联接拓扑和更新策略） 、形式（集成和传递的节点函数式） 、数据（用于训练测试的数据） 。按以上几点，CNN 有多种形式，如前馈、自组织以及与 Fuzzy 结合的模糊神经网络等。目前国际上提出计算智能就是以人工神经网络为主导，与模糊逻辑系统、进化计算以及信号与信患处理学科的综合集成。我们认为新一代的计算智能信息处理技术应是神经网络、模糊系统、进化计算、混沌动力学、分形理论、小波变换、人工生命等
14、交叉学科的综合集成。尽管对计算智能的定义、内容以及与其他智能学科分支的关系尚没有统一的看法，但计算智能的下列两个重要特征却是人们比较共同的认识：计算智能与传统人工智能不同，主要依赖的是生产者提供的数字材料，而不是依赖于知识；它主要借助数学计算方法（特别是与数值相联系的计算方法）的使用。这就是说，一方面，CI 的内容本身具有明显的数值计算信息处理特征；另一方面，CI 强调用“计算”的方法来研究和处理智能问题。需强调的是，CI 中计算的概念在内涵上已经加以拓广和加深。一般地，在解空间送行搜索的过程都被称为计算。计算智能这个概念的提出（1992 年由美国学者 James CBezdek 首先使用）
15、，显然远不止于具有科学研究分类学的意义，其积极意义在于促进基于计算的或基于计算和基于符号物理相结合的各种智能理论、模型、方法的综合集成，以便在计算智能这个主题下发展思想更先进、功能更强大、能够解决更复杂问题的大系统的智能科学成果。由此看来，当前计算智能发展的重要方向之一就足不断引进深入的数学理论和方法，以“计算”和“集成”作为学术指导思想，进行更高层次综合集成研究。这种综合集成研究不仅不局限在模型及算法层次的综合 集成的框框，而且还进入了感知层次及认知层次的综合集成。3一般来说，智能信息处理可以划分为两大类1，一类为基于传统计算机的智能信息处理，另一类为基于神经计算的智能信息处理。基于传统计算
16、机的智能信息处理系统包括智能仪器、自动跟踪监测仪器系统、自动控制制导系统、自动故障诊断系统等。在人工智能系统中，它们具有模仿或代替与人的思维有关的功能，通过逻辑符号处理系统的推理规则来实现自动诊断、问题求解以及专家系统的智能。这种智能实际上体现了人类的逻辑思维方式，主要应用串行工作程序按照一些推理规则一步一步进行计算和操作，目前应用领域很广。基于计算机（包括高速信号处理器开发系统）和人工智能的智能信息处理系统仍在继续向高新技术发展，但其发展速度已不太适应杜会信息数量增长速度的需求，因而促使人们注意到新型智能信息处理系统的研究。人工神经网络是模仿延伸人脑认知功能的新型智能信息处理系统。由于大脑是人的智能、思维、意识等一切高级活动的物质基础，构造具有脑智能的人工智能信息处理系统，可以解决传统方法所不能或难以解决的问题。以联接机制为基础的神经网络具有大量的并行性、巨量的互连性、存储的分布性、高度的非线性、离度的容错性、结构的可变性、计算的非精确性等特点，它是
