人工智能

第1章 人工智能概论 1 1.1 人工智能的概念及发展历史 1 1.1.1 人工智能的概念 1 1.1.2 人工智能的发展史 3 1.2 人工智能的研究方法与涉及的学科 5 1.2.1 人工智能的研究方法 5 1.2.2 人工智能涉及的学科 7 1.3 人工智能的应用领域 9 1.3.1 人工智能应用概况 9 1.3.2 工业领域的应用 9 1.3.3 商业领域的应用 10 1.3.4 金融领域的应用 10 1.3.5 农业领域的应用 11 1.3.6 其他领域的应用 12 1.4 人工智能面临的挑战与未来 12 1.4.1 人工智能面临的挑战 12 1.4.2 人工智能的未来展望 13 小结 14 习题1 14 本章参考文献 14 第2章 知识表示 15 2.1 知识与知识表示方法的分类 15 2.2 逻辑表示法 17 2.2.1 命题逻辑 17 2.2.2 谓词逻辑 17 2.2.3 谓词逻辑表示的特点 21 2.3 产生式表示法 21 2.4 语义网络表示法 23 2.5 框架表示法 24 2.5.1 框架的基本结构 24 2.5.2 框架系统 25 2.6 状态空间图表示法 26 小结 27 习题2 27 本章参考文献 28 第3章 搜索的原理与算法 29 3.1 搜索问题与过程 29 3.1.1 盲目搜索 31 3.1.2 启发式搜索 34 3.2 搜索算法 37 3.2.1 遗传算法 37 3.2.2 粒子群算法 41 3.2.3 蚁群算法 45 3.3 应用实例 49 小结 52 习题3 52 本章参考文献 52 第4章 推理技术 54 4.1 推理的分类与策略 55 4.1.1 推理的分类 55 4.1.2 推理的策略 56 4.2 消解原理 58 4.2.1 子句集的求取 58 4.2.2 消解推理规则 60 4.2.3 消解反演求解过程 61 4.3 规则演绎系统 62 4.4 产生式系统 65 4.4.1 产生式系统的结构 65 4.4.2 产生式系统的表示 66 4.4.3 产生式系统的推理 67 4.5 定性推理 68 4.5.1 定性推理概述 68 4.5.2 定性推理方法 68 4.6 不确定性推理 69 4.6.1 不确定性的表示 70 4.6.2 概率推理 71 4.6.3 模糊逻辑推理 72 4.7 非单调推理 74 4.7.1 表现形式 75 4.7.2 默认推理 77 小结 77 习题4 77 本章参考文献 78 第5章 机器学习 79 5.1 机器学习概述 79 5.2 机器学习的分类 80 5.3 机器学习的主要算法 82 5.3.1 人工神经网络 82 5.3.2 支持向量机 85 5.3.3 集成学习 93 5.3.4 深度学习 96 5.4 机器学习应用实例 108 5.4.1 支持向量机应用实例 108 5.4.2 BP神经网络应用实例 112 小结 113 习题5 114 本章参考文献 114 第6章 机器视觉 116 6.1 机器视觉概述 116 6.1.1 机器视觉的概念 116 6.1.2 机器视觉的应用领域 117 6.1.3 机器视觉的发展 119 6.1.4 Marr视觉理论框架 120 6.1.5 机器视觉系统的构成 123 6.2 图像与图像采集 124 6.2.1 照明 125 6.2.2 镜头 127 6.2.3 摄像机 128 6.2.4 图像及其表达 129 6.3 图像预处理 130 6.3.1 图像预处理概述 130 6.3.2 像素亮度变换 131 6.3.3 图像几何变换 132 6.3.4 图像平滑滤波 136 6.3.5 一阶微分边缘算子 138 6.3.6 二阶微分边缘算子 145 6.4 图像分割 149 6.4.1 图像分割概述 149 6.4.2 基于阈值的图像分割 149 6.4.3 基于边缘的图像分割 152 6.4.4 基于区域的图像分割 158 6.4.5 其他图像分割法 160 6.5 其他图像分析方法 161 6.5.1 数学形态学 161 6.5.2 纹理分析 169 6.5.3 运动分析 176 6.6 摄像机的标定 183 6.6.1 概述 183 6.6.2 机器视觉常用坐标系 184 6.6.3 摄像机透视投影模型 186 6.6.4 摄像机透视投影近似模型 188 6.6.5 摄像机的非线性优化目标函数和求解方法 190 6.6.6 常用摄像机标定方法 193 6.6.7 摄像机标定在工程中的应用案例 200 6.7 3D立体视觉 204 6.7.1 双目立体视觉的原理 205 6.7.2 双目立体视觉的系统结构 207 6.7.3 双目立体视觉的对应点匹配 211 6.7.4 双目立体视觉的系统标定 217 6.7.5 影响双目立体视觉精度的因素 218 小结 219 习题6 220 本章参考文献 221 第7章 分布式人工智能与多Agent系统 223 7.1 分布式人工智能系统的特点 223 7.2 分布式问题求解 224 7.2.1 DPS系统的结构 224 7.2.2 DPS系统的求解过程和方法 225 7.3 Agent系统 225 7.3.1 Agent的定义 225 7.3.2 Agent的特点 226 7.3.3 Agent的结构分类 227 7.4 Agent通信语言 229 7.4.1 Speech-Act理论 230 7.4.2 KQML 230 7.4.3 FIPA ACL 234 7.4.4 面向Agent的开发工具与环境 234 7.5 多Agent系统 235 7.5.1 多Agent系统的体系结构 236 7.5.2 多Agent系统的协作机制 237 小结 239 习题7 239 本章参考文献 239