《智能信息处理》教学大纲.docxVIP

智能信息处理 Intelligent Information Processing 一、课程基本情况课程类别：专业任选课 课程学分：2学分课程总学时：32学时，其中讲课：24学时，实验：8学时 课程性质：选修开课学期：第6学期 先修课程：信息组织与检索、面向对象程序设计H、预测与决策分析 适用专业：信息管理与信息系统教 材：智能信息处理方法导论，机械工业出版社，高隽，2004 开课单位：经济管理学院信息管理系二、课程性质、教学目标和任务 本课程是一门专业任选课。通过本课程的学习，使学生掌握智能信息处理和人工智能的 相关理论和方法，提高利用计算机处理信息的能力，学习模糊理论、分形理论及粗糙集理论 的相关技术原理,并掌握有关方法和技术在具体信息系统中的应用。本课程的主要内容包括: （1）智能信息处理的相关概念和开展历史； （2）模糊理论的基本原理和表现形式； （3）进化计算的基本思想和算法流程； （4）协同计算的算法流程和模型实现； （5）信息融合技术的功能模型和相关算法； （6）分形理论的研究现状和开展趋势 （7）粗糙集理论的基本概念和算法流程重点使学生了解和掌握以下内容： （1）人工智能的定义及应用领域； （2）模糊神经网络的原理及实现； （3）协同计算的关键思想和网络实现； （4）粗糙集理论的概念、性质和数学模型。 三、教学内容和要求论（2学时） （1）了解人工智能的相关定义和开展历程； 了解计算智能的重要特征； 了解智能信息处理的相关理论和方法。 重点：人工智能的相关概念和开展历程难点：人工智能的数学理论与模型 .模糊理论及其应用（4学时） （1）掌握模糊集的表现形式和基本运算法那么 （2）理解模糊逻辑系统的组成； 3） 了解模糊神经网络的基本原理； （4）理解模糊聚类分析的原理； （5） 了解模糊理论的开展趋势。 重点：模糊理论的基本原理难点：模糊理论在图像处理领域中的应用实现 .进化计算及应用（4学时） （1）了解进化计算的开展历程及特点； （2）理解遗传算法的基本思想和数学基础； （3）掌握进化策略的算法理论； 4） 了解进化计算的研究现状和开展趋势。 重点：进化计算的算法理论难点：进化计算的应用实现 .协同计算及其应用（4学时） （1）了解协同学的基本思想和数学模型； （2）掌握协同识别的关键技术和网络实现； 了解协同计算的相关应用； 了解协同计算的研究现状和开展趋势。 重点：协调计算的算法思想难点：协调计算的应用实现 息融合技术及其应用（4学时） （1）理解信息融合的功能模型和体系结构； （2） 了解信息融合的相关算法； （3）理解D-S证据理论的相关概念及算法； （4） 了解信息融合的研究现状和开展趋势。 重点：信息融合技术的数学模型难点：信息融合技术的算法实现 .分形理论及其应用（2学时） （1）理解分形的基础理论； 了解分形理论的具体应用领域； 了解分形理论的研究现状和开展趋势。 重点：分形理论的算法原理难点：分形理论的应用实现 .粗糙集理论及其应用（4学时） （1）理解粗糙集理论的基本概念和性质； （2）掌握粗糙集信息处理方法及相关过程； 了解粗糙集理论的应用领域； 了解粗糙集理论的研究现状和开展趋势。 重点：粗糙集理论的基本概念及算法流程难点：粗糙集理论在医疗诊断中的应用实现 四、课程考核 （1）作业等：作业：4次，课程论文1篇； （2）考核方式：开卷考试 （3）总评成绩计算方式：考勤10%、上机实习10%、平时练习10%、期末考查70%五、参考书目 .智能信息处理导论，清华大学出版社，孙红，2013.智能信息处理与应用，电子工业出版社，李明，王燕，年福忠，2010 .人工智能，机械工业出版社，柴玉梅，张坤丽，2012.统计自然语言处理，清华大学出版社，宗成庆，2008