智能信息处理教学大纲.doc

智能信息处理教学大纲一、课程基本信息课程编号：2271130课程中文名称 ：智能信息处理课程英文名称 ：Intelligent Signal Processing课程类型：信息处理专业方向选修课总 学 时 ：54 理论学时：54 实验学时：0学 分 ：3适用专业：信息工程先修课程：高等数学、（信号与系统、）概率统计、线性代数、离散开课院系：信息科学与工程学院二、课程性质和任务智能信息处理是就是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的方法。智能信息处理是当前科学技术发展中的前沿学科，同时也是新思想、新观念、新理论、新技术不断出现并迅速发展的新兴学科，它涉及到信息科学的多个领域，是现代信号处理、人工神经网络、模糊理论、人工智能等理论和方法的综合应用。该课程的主要任务是通过各个教学环节，运用各种教学手段和方法，使学生掌握智能信息处理的基本概念、基本原理、基本计算方法；能够阅读相关中外文献，了解其最新动态；培养学生分析、解决问题的能力，为日后从事工程技术工作、科学研究以及开拓新技术领域，打下坚实的基础。三、课程教学目标在学完本课程之后，学生能够：1了解人工智能的概念和应用、智能信息的处理方法综述；2熟悉模型理论的基础，掌握模糊规则与推理；理解模糊推理系统，了解其在生活中的应用； 3掌握神经网络信息处理的基本原理及模型，了解其在生活中的应用； 4掌握粗糙集的基本理论及其应用，了解其应用； 5掌握遗传算法的基本算法及改进算法，了解其应用； 6掌握信息融合的模型与算法，了解其应用；7理解反向选择算法和人工免疫系统模型；了解人工免疫系统在计算机安全中的应用。四、理论教学环节和基本要求（一）人工智能导论1理解并掌握人工智能的基本概念和范畴、基本原理和研究方法； 2理解知识和知识表示的概念，掌握四种表示法；3了解常见的智能信息的处理方法及各个处理方法的应用教学重点：人工智能的基本原理，四种知识表示方法教学难点：四种知识表示方法（二）模糊理论及其应用1掌握模糊集合的基本概念、基本运算及隶属函数的确定方法；2理解模糊逻辑系统的组成；3掌握模糊信息处理方法：模糊熵方法、模糊聚类分析、模糊关联分析、模糊信息优化方法。4了解模糊信息处理方法的应用。教学重点：隶属函数的确定方法；模糊信息的处理方法。 教学难点： 模糊信息的处理方法。 （三）神经网络信息处理1理解人工神经网络所借鉴的生物学上的人脑神经元的信息处理模式；掌握人工神经网络的结构、特点、学习方式和工作方式；2掌握BP神经网络学习算法，及BP神经网络建模； 3掌握贝叶斯神经网络算法；4了解Hopfield网络模型及其算法，熟悉用Hopfield神经网络优化方法求解TSF；5理解径向基函数（RBF）网络模型；6了解不同模型在实际中的应用。教学重点：典型的神经网络模型（如BP神经网络、贝叶斯神经网络等）及其工作原理。教学难点：人工神经网络的相关算法的理解及应用。（四）粗糙集信息处理1掌握粗糙集的理论基础：等价类、知识约简等。2理解粗糙集与模糊集结合、粗糙集与神经网络结合所构成的模型及其应用。3掌握基于粗集的贝叶斯分类器算法。4了解粗糙集理论的研究现状及发展趋势。教学重点：知识约简算法、基于粗集的贝叶斯分类器算法。教学难点：知识约简算法。（五）遗传算法及其应用1了解遗传算法及其应用；2掌握遗传算法的基本算法及改进算法；3. 了解基于遗传算法的生产调度方法。教学重点：遗传算法的基本算法及改进算法；教学难点：遗传算法的相关算法及应用（六）信息融合技术及其应用1理解信息融合的概念、基本原理、功能模型及相应方法；2掌握用于目标识别和确认的算法：物理模型类识别算法、基于特征的推理技术和认知模型类识别算法；3掌握D-S证据理论的基本概念、相关术语及一些关键问题；4了解信息融合的应用领域及发展趋势。教学重点：用于目标识别和确认的主要算法、D-S证据理论。教学难点：D-S证据理论的关键问题。（七）免疫算法1了解生物免疫学基础； 2理解反向选择算法和人工免疫系统模型；了解人工免疫系统在计算机安全中的应用；3了解人工免疫系统其他的应用领域。教学重点：反向选择算法和人工免疫系统模型。教学难点：五、实践教学环节和基本要求六、有关教学环节的说明（一）关于理论教学环节的说明理论教学内容的选取注重基础性、实用性、先进性。在教学过程中，教师应根据教学大纲基本要求，结合专业特点和学科发展，及时补充更新内容，将学科研究的最新成果充实到教学中来。本课程的教学方式应注意以下几点：（1）智能信息处理是个飞速发展的领域，知识的老化和更新速度比较快，在教学过程中，应注意逐步提高学生在教师课堂讲授的启发和指引下，独立钻研教材、参考资料，增强学生对理论课程的学习兴趣，学会利用所掌握的理论知识去分析和解决实际的问题。（2）注重采用现代教育技术进行教学，本课程在授课过程中应采用课堂讲授，多媒体教案、CAI课件等现代教学手段。（3）对于教学的重点与难点内容要讲深讲透，以课堂讲授为主，结合课堂提问、课堂讨论、课堂测验，并充分利用现代化教学手段。讲解中必须十分重视培养学生自适应能力和创造性意识，摒弃传统的灌输式教学方法，而采用启发式教学方法。（4）考核方式根据教学大纲所规定的教学内容，采取笔试与作业考核相结合的方法，其中笔试成绩占70%，平时作业30%。七、学时分配章 次各教学环节学时分配小计讲授实验上机习题讨论课外备 注第一章：人工智能导论44第二章：模糊信息处理1082第三章：神经网络862第四章：粗糙集信息处理1082第五章：遗传算法及其应用862第六章：信息融合技术及其应用1082第七章：免疫算法44合 计544410八、教材及主要教学参考书目教 材：1熊和金，陈德军编著.智能信息处理.北京：国防工业出版社，2006年.2高隽编著.智能信息处理方法导论.北京：机械工业出版社，2004年.主要教学参考书：1 王万森编著.人工智能原理及其应用.北京：电子工业出版社，2000年。2 阎平凡，张长水