信息智能处理技术是信号与信息技术领域一个前沿的富有挑战性的研究方向，它以人工智能理论为基础，侧重于信息处理的智能化，包括计算机智能化（文字、图象、语音等信息智能处理）、通信智能化以及控制信息智能化。 本书在介绍智能信息处理相关理论的基础上，全面而详实地阐述了智能信息处理的核心技术--计算智能算法，内容主要包括：模糊理论、专家系统、人工神经网络、遗传算法、模拟退火算法、蚁群算法、免疫算法、克隆选择算法和粒子群算法，并给出了算法基于MATLAB语言的具体实现方法，以及在信息处理和现代通信系统中的具体应用实例。本书基本涵盖了当前智能信息处理的最新技术，力争做到理论和具体应用的有机结合。

序 言 近年来，信息智能处理技术在国内外受到了广泛重视，并取得许多重要理论和应用研究的成果，大部分发达国家均将信息智能处理技术研究列入国家高技术发展计划和自然科学基金重点研究领域。随着研究的不断深入，信息智能处理技术已成为信号与信息技术领域迅速发展起来的一个极具挑战性的研究方向，在工业和国防科技领域显示出广阔的应用前景。 自2004年哈尔滨工程大学开设研究生选修课“信息智能处理技术”，作者作为唯一主讲教师已授课六年，教学中积累了一定经验，并编写了讲义第一稿，为该书的撰写打下坚实基础，在讲授过程中受到了学生的好评与欢迎，选课人数逐年大幅度增加。 作者的主要研究方向是数字信号处理与信息智能处理技术，多年来致力于将智能算法应用于数字图像处理领域的研究，对人工神经网络、蚁群算法、粒子群算法以及人工免疫算法在数字图像处理中的应用进行了较为深入的研究，取得了一定成果。作为第一作者撰写相关论文30多篇，其中多篇被EI索引收录。多年科研工作的积累使该书更加深入浅出，重点突出；一些研究成果可以充实书中实例，更加直观、生动，易于读者掌握。 本书从信息科学的角度出发，系统地介绍了信息智能处理技术的基础理论及各种新的智能算法。全书共分十二章，内容包括信息智能处理技术概述、信息智能处理技术语言、模糊理论基础、机器学习与自动推理技术、专家系统、人工神经网络、遗传算法、模拟退火算法、蚁群算法、人工免疫算法、克隆选择算法以及粒子群算法，内容上既包括相关基本理论的详细介绍，又包括MATLAB具体仿真方法的介绍，同时还有在具体问题上应用的实例。希望本书的出版能为信息智能处理技术的研究和推广起到一定的积极作用。 本书的特色主要有： 1．将多个较为先进的智能算法归纳总结于一体，详实介绍了相关基本理论，便于读者理解和融会贯通。 2．对于每一个算法都给出了基于MATLAB语言的具体实现过程，便于读者动手实践。 3．对于每一个算法都给出了在信号与通信领域的应用实例，便于读者实际应用，并能加深对算法的理解。 本书的编写历时两年多，期间得到了许多人的支持。博士生肖婧在算法仿真方面做了大量工作，研究生刘国安、李爽、潘铁文、彭伟、曹巍巍、李云刚、张艳双、张旭等人参加了部分章节的整理校对工作，研究生李美翠、盛磊、王义新、陈剑、董超等人参加了全部书稿的校对修改工作，确保了本书高水平高质量地完成。本书还参考引用了国内外大量相关学术论文和著作，在此一并表示衷心的感谢。 本书的出版还得到了哈尔滨工程大学“十一五”研究生教材建设专项资金的资助，在此表示衷心的感谢。 最后还要感谢电子工业出版社对这本书的出版给予的肯定和支持，感谢董亚峰编辑提出的富有建设性的意见和建议以及对本书所做的大量具体工作。 由于作者水平有限，本书肯定还会存在缺点和不足，特别是随着信息智能处理技术的发展，一些智能算法存在的缺陷还有待进一步研究和改进，欢迎读者提出宝贵的批评建议。

目 录 第1章 绪论 1 1.1 智能的概念 1 1.2 人工智能 2 1.2.1 人工智能发展历史 3 1.2.2 人工智能研究内容及目标 4 1.2.3 人工智能研究领域 5 1.3 信息智能处理技术及其应用 8 第2章 信息智能处理语言 12 2.1 概述 12 2.2 逻辑型程序设计语言Prolog 13 2.2.l Prolog语言的三种基本语句 14 2.2.2 Prolog语言的基本结构 14 2.2.3 Prolog语言的基本工作原理 16 2.2.4 Prolog语言的特点 18 2.2.5 Prolog语言的常用版本 19 第3章 模糊理论基础 21 3.1 概述 21 3.2 普通集合与模糊集合 22 3.2.1 普通集合 22 3.2.2 模糊集合 24 3.3 模糊集合的运算 26 3.3.1 模糊集合基本运算 26 3.3.2 模糊关系 27 3.3.3 模糊变换 30 3.4 模糊集合的两个基本定理 31 3.4.1 分解定理 31 3.4.2 扩张定理 32 3.5 模糊语言表述 33 3.5.1 语气算子 33 3.5.2 模糊化算子 34 3.5.3 判定化算子 35 3.6 模糊逻辑 36 3.7 模糊推理 37 3.7.1 模糊假言推理 38 3.7.2 模糊条件推理 39 3.8 模糊控制 42 3.8.1 模糊控制基本过程 43 3.8.2 系统分析 43 3.8.3 输入模糊化处理 44 3.8.4 模糊控制规则库的建立 46 3.8.5 模糊推理 47 3.8.6 输出反模糊化处理 48 3.9 基于MATLAB的模糊推理系统 49 3.9.1 利用GUI建立FIS 49 3.9.2 利用MATLAB命令行建立FIS 58 3.10 模糊集合理论应用实例——基于模糊集合 理论的图像增强 62 3.10.1 图像模糊增强的技术方案 63 3.10.2 基于MATLAB语言的图像模糊增强实现 65 第4章 机器学习与自动推理技术 70 4.1 机器学习 70 4.1.1 机器学习的主要策略 71 4.1.2 机器学习系统 71 4.1.3 机器学习分类 72 4.1.4 符号学习 73 4.2 自动推理技术 75 4.2.1 确定性推理方法 77 4.2.2 不确定性推理方法 82 第5章 专家系统 93 5.1 概述 93 5.2 专家系统的基本框架 94 5.3 专家系统的特点及类型 96 5.3.1 专家系统的特点 96 5.3.2 专家系统的类型 97 5.4 专家系统的设计与开发 100 5.4.1 知识的获取 100 5.4.2 知识库的建立 101 5.4.3 推理机制 102 5.4.4 专家系统的设计评价 106 5.5 专家系统开发工具 107 5.5.1 骨架型开发工具 108 5.5.2 语言型开发工具 109 5.5.3 构造辅助工具 110 5.5.4 支撑环境 111 5.6 专家系统应用实例——组合导航标绘仪故障 诊断专家系统 112 5.6.1 组合导航标绘仪故障诊断专家系统设计 113 5.6.2 组合导航标绘仪故障诊断方法研究及实现 114 第6章 人工神经网络理论 117 6.1 概述 117 6.2 人工神经网络基本理论 118 6.2.1 人工神经元基本模型 118 6.2.2 人工神经网络结构 120 6.2.3 人工神经网络的学习 121 6.3 前馈型神经网络主要算法 123 6.3.1 感知器模型 124 6.3.2 BP网络模型 126 6.3.3 RBF网络模型 134 6.4 反馈型神经网络主要算法 148 6.4.1 Hopfield网络算法 148 6.4.2 自组织特征映射网络算法 154 6.5 基于MATLAB语言的人工神经网络工具箱 158 6.5.1 基本功能介绍 158 6.5.2 BP网络的MATLAB实现 159 6.5.3 径向基函数网络的设计实例 166 6.5.4 神经网络工具箱中的图形用户界面 179 6.6 人工神经网络的应用实例——基于BP神经网络的 自然纹理图像生成 185 6.6.1 图像纹理特征的提取 185 6.6.2 自然纹理图像非线性数学模型的建立 186 6.6.3 实验仿真 187 第7章 遗传算法 189 7.1 概述 189 7.2 遗传算法的一般步骤和基本算子 190 7.2.1 遗传算法的一般步骤 190 7.2.2 遗传算法的基本算子 192 7.3 遗传算法应用中的一些基本问题 197 7.4 遗传算法的特点 199 7.5 遗传算法的应用实例——TSP问题的求解 201 7.5.1 TSP问题 201 7.5.2 基于遗传算法的TSP问题求解 203 7.6 基于MATLAB语言的遗传算法工具箱 213 7.6.1 遗传算法工具箱简介 213 7.6.2 遗传算法工具箱GAOT 213 7.6.3 遗传算法工具箱GADS 217 第8章 模拟退火算法 222 8.1 概述 222 8.1.1 物理学固体退火过程 222 8.1.2 Metropolis准则 223 8.2 模拟退火算法 223 8.2.1 模拟退火算法的操作过程 224 8.2.2 模拟退火算法的特点 226 8.3 模拟退火算法中关键参数的选取 227 8.4 模拟退火算法的改进 229 8.4.1 自适应模拟退火算法 230 8.4.2 增加记忆能力的模拟退火算法 230 8.4.3 增加升温功能的模拟退火算法 231 8.4.4 混合模拟退火算法（Hybrid SA） 232 8.4.5 并行模拟退火算法（Parallel SA，PSA） 233 8.5 模拟退火算法的应用 233 8.6 基于MATLAB语言的模拟退火算法实现 234 8.6.1 基于MATLAB语言的模拟退火算法程序设计 234 8.6.2 基于MATLAB工具箱的模拟退火算法程序设计 238 8.7 模拟退火算法应用实例——基于模拟退火 算法的图像阈值分割 243 8.7.1 图像阈值分割基本原理 243 8.7.2 基于模拟退火算法的图像单阈值分割 244 8.7.3 实验仿真及结果分析 247 第9章 蚁群算法 248 9.1 概述 248 9.2 蚂蚁觅食基本原理 248 9.3 蚂蚁系统 251 9.4 蚁群算法的参数分析 257 9.4.1 启发因子 和 的分析 257 9.4.2 信息素挥发系数的分析 260 9.4.3 蚂蚁数量m的分析 262 9.4.4 总信息量Q的分析 264 9.5 蚁群算法最重要的改进——蚁群系统 265 9.6 蚁群算法的特点及应用领域 270 9.7 基于MATLAB语言的蚁群算法实现 271 9.8 蚁群算法应用实例——基于蚁群算法的硬币自动识别 277 9.8.1 基于蚁群算法的聚类识别基本原理 277 9.8.2 硬币图像特征提取 278 9.8.3 基于蚁群算法的硬币图像自动识别 279 9.8.4 实验仿真及结果分析 280 第10章 人工免疫算法 282 10.1 概述 282 10.2 人工免疫系统的生物学基础 283 10.2.1 生物免疫定义 283 10.2.2 生物免疫系统工作原理 284 10.2.3 生物免疫系统的特性 285 10.3 人工免疫算法 287 10.3.1 人工免疫算法基本框架 287 10.3.2 否定选择算法 288 10.3.3 免疫遗传算法 292 10.3.4 免疫规划算法 293 10.4 人工免疫算法的特点及应用 298 10.5 基于MATLAB语言的免疫算法的实现 299 10.6 免疫算法应用实例——基于免疫算法的无线传感器网络路由算法研究 305 10.6.1 基于移动代理的无线传感器网络数据融合模型 306 10.6.2 基于免疫算法的MA改进路由算法实现 307 10.6.3 实验仿真与结果分析 308 第11章 克隆选择算法 310 11.1 概述 310 11.2 克隆选择算法基本原理 311 11.2.1 克隆选择算法的基本思想 311 11.2.2 克隆选择算法的描述 313 11.2.3 克隆选择算法的实现步骤 315 11.3 克隆选择算法与遗传算法的比较 317 11.4 克隆选择算法应用和展望 317 11.5 基于MATLAB语言的克隆选择算法实现 319 11.6 克隆选择算法应用实例——基于克隆选择算法的PET-CT医学图像配准的 实现 327 11.6.1 医学图像配准的基本原理 327 11.6.2 基于克隆选择算法的PET-CT医学图像配准实现 329 11.6.3 仿真实验及结果分析 330 第12章 粒子群算法 332 12.1 概述 332 12.2 粒子群算法的基本原理 332 12.3 粒子群算法的改进 339 12.4 粒子群算法的应用 343 12.5 基于MATLAB语言的PSO工具箱 345 12.6 基于PSO算法的OFDM峰平比抑制问题研究 349 12.6.1 相位优化组合方法降低OFDM系统PAPR的原理 349 12.6.2 基于改进PSO算法的相位优化组合法在抑制OFDM信号PAPR的 实现 350 12.6.3 实验仿真与结果分析 352