对智能信息处理的认识

一、智能信息处理技术的概述智能信息处理技术的概述处理

这是一个信息时代，现在我们每天和信息打交道，人类社会的进步在一定程度上取决对于信息的了解、处理和利用的水平。当前计算网络与大型数据库的广泛使用,使决策者与经营者面临巨量的数据而无所适从,用智能信息处理方法解决这一问题是当今信息社会的重要手段。智能信息处理的主要目的就是要制造出具有学习、理解和判断能力的人工智能系统。它的本质就是要研究一些算法来提取出信号中的有用信息，从而实现系统的智能控制。归纳起来智能信息处理研究以下重要问题: （1）.人、机器、环境的智能交互与协作,研究文字、语音的自动识别及自然语言理解,研究视觉信息与各种图像的自动处理,其目的是使人与机器、机器与环境的信息交流更为有效。（2.）从大规模数据库中提取关键信息与有用的规律。其主要方向有约简数据，和机器学习,即利用已有知识与模式识别理论对大量数据简化,并变换为决策者可以阅读的形式;对大量数据自动学习,以实现对数据的分类、评价,并预测可能产生的结果。（3.）智能系统的规划、决策、协作与优化。建立计算机辅助规划与决策系统,在某些优化指标下提高全社会的经济与社会效益。研究系统建模,优化,最优化的智能规划与决策以及多智能体系的协作与竞争的理论与方法。

二、智能信息处理技术的发展史智能信息处理技术的发展史处理

智能信息处理最早起源于本世纪30 年代，但是由于智能信息处理系统运作过程需要大量的计算，而当时又没有快速的计算工具，这样就极大的约束了智能信息处理技术在初期的发展。自从40 年代后期计算机问世后，给智能信息处理技术的发展创造了良好的条件。一些具备智能信息处理功能的高科技产品相继被推出，并产生了巨大的社会及经济效益。例如英国科学家A.M.Cormack和C.N.Hounsfield 利用智能信息处理技术的一些结果提出了图由于它可以获得人象的重建算法，并于1972 年设计制造出了医用的CT 机。

体内部的横截面的立体图象，因此在医学诊断中得到了重要应用，成为各大医院的基础设备。另外60 年代初由美国科学家J.W.Cooley等人提出的用于频谱分析的快速Fourier 算法(FFT)，也在科学界引起轰动。该算法用硬件电路实现后，被迅速应用于智能测量仪器等一系列高自动化检测设备中去，获得了极大的成功。

三、智能信息处理技术的应用

智能信息处理的一个非常重要的目标，就是要制造出能看会说、有感情会思维的机器人。这使该领域的研究工作主要集中于语音处理、图象处理、计算机视觉等几个方面。语音处理目的，就是对人们所发出语音的规律及特点进行研究，以便让计算机能够“说话”和听懂人的语言。这也就是我们通常所说的语音信号的合成与识别。语音合成技术发展最快，已基本达到实用化成度。不过利用现有技术合成的语音在自然度方面与人的发音仍有很大差距，这也是语音合成技术今后研究的目标。语音识别技术经过多年的努力，已经提出了一些比较有效的方法。目前对特定人发音的正确识别率可以达到95%以上，但是对非特定人发音的正确识别率还很低。总之，语音识别技术离实用化尚有一段距离。在语音信号的识别技术和方法上，仍需要进行深人的研究。为了适应通信技术的发展，人们还对语音信号的编码方法进行了深人的研究，以便把语音信号压缩在一个更窄的频带内传输。目前利用CE 一LPC 等多种方法，已使语音信号在 4.skb/s 传送速率下，

仍能得到较好的音质。换句话说，原来只能通一路数字电话的信道，采用新的数字压缩编码方法后便可供12 路电话传输，从而大大提高了通信信道的利用率。图象处理技术研究的目的，就是让计算机具备视觉功能。目前人们在图象分割和识别方面已经取得了重要进展，并成功的应用于机器人视觉中去，它们在工厂的自动生产线上发挥了重要的作用。近年来，人们把图象处理技术的研究重点，转移到图象恢复及图象压缩编码方法的探讨中去了。我们知道，在高速运动的人造地球卫星上所拍摄的地面图片都非常模糊，难以辨清其中的任何物体。而这些图片经过图象恢复技术处理后，就会变得比较清晰，从而使地面上许多目标可以被发现。鉴于图恢复技术在军事领域

中的重要用途，一些更有效的方法仍在探讨之中。图象处理技术中关于图象压缩编码方法的研究，由于其广泛的应用前景及诱人的经济效益，越来越受到人们的重视。最早所研究出的MPEG 一I 图象压缩编码算法及与之相应的硬件，已用于VCD 产品中去了。后来所提出的更为优异的MPEG 一五图象压缩编码算法，已制成了相应的硬件并投放市场。最近，人们准备采用先进的“小波变换”技术以便得到更为优异的图象压缩编妈算法，为下一步高分辩率电视(HDTV)的实用化打下良好的基础。80 年代以来，随着“人工神经网络”的理论和方法研究离溯的掀起，把智能信息处理技术的研究推向了一个新阶段。我们知道，现在的数字计算机从本质上讲仅仅具备计算功能，因此难以棋仿人类的大脑进行逻辑推理和判断. 而“人工神经网络”却是一种新型的智能信息处理系统.它可以模仿人类大脑进行学习、记忆、并具有自适应和自组织的能力。特别是它能够处理不完善、不准确、甚至非常模糊的信息。另外通过联想记忆，它还能从部分信息中获得全部信息。可以说未来以“人工神经网络”为基础的计算机，将会代替现在的数字计算机来完成智能信息处理中的许多重要工作。因此，“人工神经网络”的硬件实现及算法研究受到了各技术先进国家的高度重视。

四、智能信息处理技术的发展前景智能信息处理技术的发展前景信息

智能信息处理技术几十年来经历由模拟数字，现在正向着以“人工神经网络"为主，与模糊数学、遗传算法、小波分析、混沌理论相结合的方向发展。一些新思想、新理论、新算法、新器件也不断涌现。所有这些给未来信息科学的发展，描绘出了一副诱人的前景。我们应该把对智能信息处理技术研究的重要性，提到一个新的高度加以认识，以适应信息科学在未来的发展。作为一个新时代的研究生，应当将智能信息技术同自己的科研课题结合起来，并力求创新，让我们的大脑从繁重的劳动中解放出来,这是一件十分有意义的工作.。

模式识别的研究现状与发展趋势

模式识别的研究现状与发展趋势 摘要：随着现今社会信息技术的飞速发展, 人工智能的应用越来越广泛, 其中模式识别是人工智能应用的一个方面。而且现今的模式识别的应用也越来越得到大家的重视与支持，在各方面也有重大的进步。模式识别也成为人们身边不可或缺的一部分。关键词：人工智能，技术，模式识别，前景 Abstract：In the modern society with the rapid development of information technology, the application of a rtificial intelligence is more and more extensive, among them pattern recognition is one of the ap ply of artificial intelligence. And now the application of pattern recognition is also more and more to get everyone's attention and support, in various aspects have significant progress. Pattern rec ognition has become an integral part of people around. Keywords: Artificial Intelligence, Technology,Pattern Recognition, prospects 一，引言 如今计算机硬件的高速发展, 以及计算机应用领域的不断开拓, 人们开始要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说, 目前一般计算机却无法直接感知它们, 我们常用的键盘、鼠标等外部设备, 对于这些外部世界显得无能为力。虽然摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换, 并与计算机联机, 但由于识别技术不高, 而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下, 成为开拓计算机应用的瓶颈, 也与其高超的运算能力形成强烈的对比。于是, 着眼于拓宽计算机的应用领域, 提高其感知外部信息能力的学科———模式识别, 便得到迅速发展。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用范围遍及遥感、生物医学图象和信号的分析、工业产品的自动无损检验、指纹鉴定、文字和语音识别、机器视觉地圈模式识别等方面。 二，现状 以地图模式识别为例，地图模式识别是由计算机来对地图进行识别与理解, 并借助一定的技术手段, 让计算机研究和分析地图上的各种模式信息, 获取地图要素的质量意义。其计算处理的过程类似于人对地图的阅读。 地图模式识别是近年来在地图制图领域中新兴的一门高新技术, 是信息时代人工智能、模式识别技术在地图制图中的具体应用。由于它是传统地图制图迈向数字地图制图的一座桥梁, 因此,地图模式识别遥感技术、地理信息系统一起, 被称为现代地图制图的三大技术。 目前, 地图模式识别由于具有广泛的应用价值和发展潜力,因而受到了人们的普遍重视。尤其是随着现今的计算机及其外部硬件环境的不断提高, 科技不过发展的情况下，

智能信息处理课程教学大纲

《智能信息处理》课程教学大纲 一、课程基本信息 1、课程代码：IE426 2、课程名称：智能信息处理/Intelligent Signal Processing 3、学时/学分：36学时/2学分 4、先修课程：信号与系统，高等数学，计算机程序语言 5、面向对象：电子信息类各专业本科生 6、开课院（系）、教研室：电子信息与电气工程学院（电子工程系）、电路与系统教研室 7、教材、教学参考书： 《人工智能原理及其应用》，王万森，电子工业出版社，2000 《人工神经网络与模拟进化计算》，阎平凡，张长水，清华大学出版社，2000 《遗传算法原理及应用》，周明，孙树栋，国防工业出版社，1999 《人工免疫系统原理与应用》，莫宏伟，哈尔滨工业大学出版社，2002 二、本课程的性质和任务 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，具有非常广泛的应用领域。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；培养学生分析、解决问题的能力和实验技能，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、教学内容和要求 第一章人工智能导论（8） 要求：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；了解人工智能的发展历史、目前的实际状况、未来的发展前景和实际的应用领域；掌握人工智能中的知识和知识表示方法：演绎系统、产生式系统、框架结构、语义网络、过程性知识；掌握人工智能中采用的搜索策略：无变量盲目搜索算法、带变量盲目搜索算法、启发式搜索算法、博弈树搜索；理解非经典逻辑和非经典推理；理解自然语言理解：语法学、语义学、语用学。 第二章人工智能的应用（2） 要求：理解专家系统的基本概念；理解机器学习的基本概念和方法；理解模式识别的基本概念；理解智能决策支持系统的基本概念。 第三章人工神经网络（10） 要求：了解人工神经网络的发展历史；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；掌握人工神经元和感知器的基本模型；掌握人工神经网络的结构、特点、学习方式和工作方式；掌握前向神经网络中的多层感知器模型和反向传播（BP）算法，理解径向基函数（RBF）网络模型；掌握反向神经网络中离散型和连续型的Hopfield网络模型，了解模拟退火算法和玻尔兹曼机；理解自组织神经网络的Hebb学习规则和ART模型；理解模糊神经网络。 第四章模糊数学基础（4） 要求：掌握模糊集合的概念；掌握模糊规则与推理；理解模糊推理系统。 第五章进化算法（4）

模式识别与智能系统

模式识别与智能系统 （081104） 一、培养目标 培养热爱祖国，拥护中国共产党的领导，拥护社会主义制度，遵纪守法，品德良好，具有服务国家、服务人民的社会责任感，掌握本学科坚实的基础理论和系统的专业知识，具有创新精神、创新能力和从事科学研究、教学、管理等工作能力的高层次学术型专门人才。 模式识别与智能系统是20世纪60年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。 本学科培养德智体全面发展，具有坚实和系统的模式识别与智能系统理论知识和实践技能，了解模式识别与智能系统学科发展的前沿和动态，能够适应我国经济、科技、教育发展需要，面向二十一世纪的科学研究、工程技术和高等教育的高层次人才。学位获得者业务上应具有具备从事在本学科及相关学科领域独立开发研究工作的能力，注意理论联系实际，能够分析和解决现代经济建设和交叉学科中涌现出的新课题；能够熟练利用计算机解决本学科的有关问题；较为熟练地掌握一门外国语；具有健康的体格。 二、研究方向 （一）智能机器人系统 主要进行智能机器人控制与决策系统的研究与开发，包括自主移动机器人、特种机器人、服务机器人、工业机器人等内容。机器人的自主定位、导航、避障与多机器人协调控制为主要研究方向。 （二）系统仿真技术与应用 主要研究方向为控制系统仿真与计算机辅助设计、半实物仿真与实时控制、分数阶与网络控制系统仿真、系统建模校验与验证及仿真算法和高层体系结构理论与应用技术、工业过程建模仿真和提高控制效果与系统性能的方法研究。 （三）图像处理与计算机视觉 研究图像信息获取、处理、分析、理解与识别分类等理论与技术，研究图像处理技术在医学影像处理、动态目标识别与跟踪、智能交通系统、军事等领域的工程应用问题。 （四）建筑智能化技术 本方向以建筑智能化技术为背景，主要研究智能建筑系统集成理论与技术、

智能信息处理

什么是智能信息处理？及其起源、发展与应用。 智能信息处理是模拟人与自然界其他生物处理信息的行为，建立处理复杂系统信息的理论、算法和系统的方法和技术。智能信息处理主要面对的是不确定性系统和不确定性现象的现象处理问题。智能现象处理在复杂系统建模、系统分析、系统决策、系统控制、系统优化和系统设计等领域具有广大的应用前景。 起源：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和非精确处理的双重性，强调符号物理机制与联结机制的综合，倾向于冲破“物理学式”框架的“进化论”新路，一门称为计算智能的新学科分支被概括地提出来了，并以更快的目标蓬勃发展。 首次给出计算智能定义的是美国学者James C. Bezdek。他在题为“什么是计算智能”的报告中讲到：智能有三层次，第一层是生物智能（BI），第二层是人工智能（AI），第三层是计算智能（CI）。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息处理系统的综合集成。 我们认为新一代的计算智能信息处理技术应该是神经网络、模糊系统、进化计算、混沌动力学、分型理论、小波变换、人工生命等交叉学科的综合集成。一般来说，智能信息处理分为两大类，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。

为了适应信息时代的信息处理要求，当前信息处理技术逐渐向智能化方向发展，从信息的载体到信息处理的各个环节，广泛地模拟人的智能来处理各种信息。人工智能学科与认知科学的结合，会进一步促进人类的自我了解和控制能力的发挥。研究具有认知机理的智能信息处理理论与方法，探索认知的机制，建立可实现的计算模型并发展应用，有可能带来未来信息处理技术突破性的发展。 现阶段信息处理技术领域呈现两种发展趋势：一种是面向大规模、多介质的信息，使计算机系统具备处理更大范围信息的能力；另一种是与人工智能进一步结合，使计算机系统更智能化地处理信息。智能信息处理是计算机科学中的前沿交叉学科，是应用导向的综合性学科，其目标是处理海量和复杂信息，研究新的、先进的理论和技术。智能信息处理研究涵盖基础研究、应用基础研究、关键技术研究与应用研究等多个层次。它不仅有很高的理论研究价值，而且对于国家信息产业的发展乃至整个社会经济建设、发展都具有极为重要的意义。 总的来说，具有神经计算的智能信息处理正朝着生物智能方向发展，“计算智能”时期重要的理论基础。一般认为计算智能包括神经网络、模糊系统和进化计算三个主要方面，其积极意义在于促进了基于计算和基于物理符号相结合的各种智能理论、模型和方法的综合集成，有利于发展思想更先进，功能更强大并能够解决更复杂系统问题的智能行为。目前国际上计算智能研究正注意几个结合：神经网络与进化计算结合；神经网络与模糊及混沌三者的结合；神经网络与近代信号处理方法子波、分型等的结合，以更有效地模拟人脑的思维机

模式识别与智能系统硕士点_研究生入学复试大纲pris_test

模式识别与智能系统硕士点 研究生入学复试大纲 复试笔试满分为150分，包括基本能力测试（45分）和专业基础知识测试（105分）两部分。采取闭卷考试，考试时间一般为2至3小时。 有关专业基础知识测试的说明 专业基础知识测试（105分）由21道题目组成，参加笔试同学可从中任意选择7道完成，每题15分。专业知识点包括以下七个方面： 一．图象处理(共3题) 考试知识点：数字图象直方图、基于直方图均衡化的图象增强、边缘检测算子、梯度大小/方向计算、频域滤波基础、频域滤波操作的基本步骤。 辅导材料：冈萨雷斯等，《数字图象处理》,第二版，电子工业出版社, 2003.3, ISBN 7-5053-8236-5。认真阅读该书的3.3, 4.2, 10.1。 二．信息安全(共2题) 考试知识点：信息熵的计算、信源编码。 辅导材料：《信息与编码理论基础》，万旺根，上海大学出版社。 三．人工智能(共2题) 考试知识点：人工智能的基本概念。 辅导材料：廉师友，人工智能技术导论（第二版）廉师友西安电子科技大学出版社, 2002.7, ISBN 7-5606-0811-6。认真阅读该书的第一章。 四．微型计算机原理(共5题) 考试知识点：80x86指令寻址模式及汇编指令的书写格式；不同进制数之间的转换；汇编程序的阅读；计数器模块8253及其编程；可编程中断控制器8259模块及其编程。 注：相关硬件模块控制字格式不需记忆。（提供）

辅导材料：微型计算机技术及应用（第3版），戴梅萼等，清华大学出版社，2003 五．多媒体信息处理(共4题) 考试知识点：1.多媒体基本概念 多媒体技术，多媒体系统的层次结构，多媒体系统的组成 2.多媒体数据压缩： 数据压缩算法概念及分类，统计编码，预测编码，变换编码，分形编码 静态图像压缩标准JPEG，运动图像压缩标准MPEG，音频压缩标准 3.音频信息处理 声音数字化，音频文件格式，声卡的组成与设计(含声卡的工作原理、硬件设计、软件结构、编程接口等) 4.视频信息处理 视频信号数字化，视频的文件格式，视频压缩卡的设计 辅导材料：多媒体技术基础及应用，钟玉琢等，北京：清华大学出版社，2006.2 六．生物特征识别(共2题) 考试知识点：生物信息学序列联配（双序列比对，多序列比对）。 辅导材料：David W. Mount，《生物信息学：序列与基因组分析（影印）》,Bioinformatics: Sequence and Genome Analysis, Cold Spring Harbor Lab(CSHL) Press。认真阅读sequence alignment 的相关内容。 七．射频识别(共3题) 考试知识点：电子标签的基本概念。 辅导材料：纪震，李慧慧等，《电子标签原理与应用》,西安电子科技大学出版社, 2005.12, ISBN 705606-1599-6。认真阅读该书的第一章。

模式识别与智能系统

模式识别与智能系统 Pattern Recognition & Intelligent System （专业代码：081104） 一、学科概况 本校模式识别与智能系统学科为国务院1993年批准的博士学位授予权学科，2001年经国务院学位委员会批准为国家级重点学科（二级学科）；本学科所在的控制科学与工程学科具有一级学科博士学位授予权,同时拥有一级学科博士后流动站。本学科主要从事模式识别与智能系统的理论与应用研究，为本校“211工程”重点建设学科。经过多年的建设，现有博士生导师七名，百余名的博士生研究队伍，和先进的教学与科研硬设备环境。多年来，一批科研成果达到国际与国内先进水平。 二、培养目标 本学科培养的模式识别与智能系统的硕士研究生应具有较宽广的基础理论及较深入的专业知识，能解决国家经济建设与国防中在本领域内的工程技术的应用课题，具有较好的理论联系实际的能力。 三、学制和学分 全日制硕士研究生实行以两年半制为主的弹性学制，原则上不超过5年。 总学分33学分，其中必修课程不少于14学分。

四、硕士课程设置 五、科研能力与水平 1. 掌握本学科的基础理论和专业知识，对所研究的课题有新的见解，取得新的成果。对于学术型学位的硕士研究生，还应熟悉国内外相关的学术研究动态。 2. 工作认真踏实，能独立进行科研工作并圆满完成科研任务。 3. 对于应用型、复合型学位的硕士研究生，能发现实践中与本学科相关的需求，能提出工程解决方案；对于学术型学位的硕士研究生，能提出和界定科学问题。

4. 硕士研究生在校期间应积极发表学术论文，参与学术交流。 六、开题报告 为确保学位论文的质量，指导教师应针对每个硕士研究生的类型和层次，确定选题范围。硕士研究生在导师的指导下，通过阅读文献、收集资料和调查研究后确定研究课题，提交开题报告。开题报告的主要内容包括： （1）课题来源及研究的目的和意义； （2）国内外在该方向的研究现状及分析； （3）主要研究内容； （4）研究方案及进度安排，预期达到的目标； （5）预计研究过程中可能遇到的困难和问题以及解决的措施； （6）主要参考文献。 提交开题报告的时间一般为第四小学期，开题报告字数应在5000字以上。开题报告的评议结果为通过或不通过。硕士研究生学位论文选题、开题的要求详见《南京理工大学硕士学位论文选题、开题及撰写的有关规定 七、学位论文 学位论文工作是研究生培养的重要组成部分，是对研究生进行科学研究或承担专业技术工作的全面训练，是培养研究生创新能力、综合运用所学知识发现问题、分析问题和解决问题能力的重要环节。 硕士学位论文要求概念清楚、立论正确、分析严谨、计算正确、数据可靠、文句简练、图表清晰、层次分明，能体现硕士研究生具有宽广的理论基础，较强的独立工作能力和优良的学风。在阐明论文的目的、意义和成果时，应有实事求是的科学态度。 硕士研究生的论文工作必须在导师指导下，由研究生独立完成。完成后应按照《中华人民共和国学位条理暂行实施办法》和《南京理工大学博士、硕士学位授予细则》的规定,组织论文评审和答辩。获准参加答辩的前提条件是：必须修满规定的学分，外语通过学位英语考试或通过国家英语六级考试，其余学科基础课程成绩不得低于70分并完成教学实践、科研实习。

人工智能的模式识别与机器视觉

人工智能的模式识别与机器视觉 模式识别 “模式”(Panern)一词的本意是括完整天缺的供模仿的标本或标识。模式识别就是识别出给定物体所模仿的标本或标识。计算机模式识别系统使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。 模式识别是一个不断发展的学科分支，它的理论基础和研究范围也在不断发展。在二维的文字、图形和图像的识别方而，已取得许多成果。三维景物和活动目标的识别和分析是目前研究的热点。语音的识别和合成技术也有很大的发展。基于人工神经网络的模式识别技术在手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面已经有许多成功的应用。模式识别技术是智能计算机和智能机器人研究的十分重要的基础 机器视觉 实验表明，人类接受外界信息的80％以上来自视觉，10％左右来自听觉，其余来自嗅觉、味觉及触觉。在机器视觉方面，只要给计算机系统装上电视摄像输入装置就可以“看见”周围的东西。但是，视觉是一种感知，机器视觉的感知过程包含一系列的处理过程，例如，一个可见的景物由传感器编码输入，表示成一个灰度数值矩阵；图像的灰度数值由图像检测器进行处理，检测器检测出图像的主要成分，如组成景物的线段、简单曲线和角度等；这些成分又校处理，以便根据景物的表面特征和形状特征来推断有关景物的特征信息；最终目标是利用某个适当的模型来表示该景物。 视觉感知问题的要点是形成一个精练的表示来取代极其庞大的未经加工的输入情息，把庞大的视觉输人信息转化为一种易于处理和有感知意义的描述。 机器视觉可分为低层视觉和高后视觉两个层次，低层视觉主要是对视觉团像执行预处理，例如，边缘检测、运动目标检测、纹理分析等，另外还有立体造型、曲面色彩等，其目的是使对象凸现出来，这时还谈不上对它的理解。高层视觉主要是理解对象，显然，实现高层视觉需要掌捏与对象相关的知识。 机器视觉的前沿研究课题包括：实时图像的并行处理，实时图像的压缩、传输与复原，三绍景物的建模识别，动态和时变视觉等。 人娄的钉能活动过程主要是一个获得知识并运用知识的过程，知识是智能的基础。为了使计算机具有钉能，能模拟人类的智能行为，就必须使它具有知识。把人类拥有的知识采用适当的模式表示出来以便存储到计算机中，这就是知识表示要解决的问题。知识表示是对知识的一种描述，或者说是一组约定，是一种计算机可以接受的用于描述知识的数据结构，对知识进行表木就是把知识表示咸便于计算机存储和利用的菜种数据结构。知识表示方法给出的知识表示形式称为知识表示程式，知识表示模式分为外部表示模式和内部表示模式两个层次。知识外部表示模式是与软件开发的工具、运行的软件平台无关的知识表示的形式化描述。知

图像校正与分割处理软件设计与实现模式识别与智能系统方案

图像校正及分割处理软件设计与实现《图像分析与模式识别》课程期末大作业报告 课程名称：图像分析与模式识别

目录 图像校正及分割处理软件设计与实现 (1) 1 软件需求 (1) 1.1 操作界面需求分析 (1) 1.2 图像几何校正需求分析 (1) 1.2 ISODATA聚类算法的图像分割需求分析 (2) 2 算法原理及流程图 (2) 2.1 Hough变换 (2) 2.1.1 Hough变换原理 (2) 2.1.2 图像几何校正流程 (3) 2.2 ISODATA算法原理 (3) 2.2.1 ISODATA算法原理步骤 (3) 2.2.1 ISODATA算法流程图 (5) 3 程序设计框图 (6) 4 实验结果及分析 (7) 4.1 图像几何 (7) 4.1.1 支票图像几何校正结果 (7) 4.1.1 支票图像几何校正结果分析 (8) 4.2 图像分割 (8) 4.2.1图像分割结果 (8) 4.2.1图像分割结果分析 (10) 附录： (11) 附录一：图像几何校正代码 (11) 附录一：ISODATA聚类算法图像分割代码 (11) 附录一：MATLAB的GUI操作界面代码 (17)

图像校正及分割处理软件设计与实现 摘要：设计一种图像几何校正及图像分割处理软件，实现对倾斜支票图像校正为水平，及对已给的图像进行分割。图像几何校正主要通过边缘检测、Hough 变换、求倾斜角、图像旋转等算法实现；图像分割采用ISODATA聚类算法实现。实验结果表明，实现了对倾斜支票图像几何校正和对图像的分割功能。 关键词：边沿检测；Hough变换、图像旋转、ISODATA算法；图像分割； 1 软件需求 需求分析是指对要解决的问题进行详细的分析，弄清楚问题的要求，包括整个系统所要实现的功能。 根据题目，设计需要编写带有操作界面的图像处理软件，功能包含图像几何校和基于ISODATA聚类算法的图像分割。开发工具使用MATLAB。根据MATLAB的特点及需要实现的软件功能，软件需求分析如下： 1.1 操作界面需求分析 软件实现的功能是图像处理，因此操作界面中需要一个按钮，用于选择待处理的图像，称为“图像选择”按钮；选择的原始图像需要在操作界面中显示，因此需要一个用于显示原始图像的坐标控件；由于软件需要实现多功能，需要一个下拉框实现功能的选择；一个开始功能处理的按钮，称为“开始处理”按钮；一个用于显示图像处理结果的坐标控件。最后需要一个退出操作界面的按钮，称为“退出”按钮。 1.2 图像几何校正需求分析 原始图像在拍照时出现了倾斜，需要将图像校正，消除倾斜。通过对图像的观察，图像是一支票，支票上存在表格。因此想法是通过检测支票表格边框线的倾斜角，就是整图像的倾斜程度，然后根据这个倾斜角旋转，便可得到校正的水平图像。要检测支票图像表格边框直线。需要对图像的边缘进行检测，图像的边缘检测方法很多，如：sobel算子边缘检测，prewitt算子边缘检测，roberts 算子边缘检测，log算子边缘检测，canny算子边缘检测等，由于原图的噪声并不是很严重，因此上面这些边缘检测办法都能胜任，这里使用log算子进行边缘检测，为了适应其它边缘检测方法，本设计需要尽量在改变边缘检测方法时尽可能少地修改代码。边缘检测后，采用Hough变换提取直线，然后在提取的直线上找两个点，计算出直线的倾斜角度。最后根据这个倾斜角度对图像进行旋转。

智能信息处理课程设计报告

智能信息处理课程设计报告 班级：11电科2 姓名：张俊为 学号： Xb11640218 浙江理工大学科技与艺术学院

1． 课程设计目的 1． 提高分析问题、解决问题的能力，进一步巩固智能信息处理算法的基本原理与方法。 2． 熟悉掌握一门计算机语言，可以进行智能信息处理的应用开发设计。 2． 课程设计内容及实现 1． 掌握BP 网络的基本原理，能利用BP 网络解决Hermit 多项式的逼近问题，具体内 容如下： 考虑Hermit 多项式的逼近问题，该问题由Mackay 提出： ()()22 1.112exp 2x F x x x ?? =-+- ??? ，式中，x ∈R 。 训练样本产生方式如下：样本数N=100，其中样本输入x i 服从区间[-4, 4]内的均匀分布，样本输出为F(x i )+e i ， e i 为添加的噪声，服从均值为0，标准差为0.1的正态分布。 对于该函数逼近问题，可以用一个单输入单输出的3层BP 网络对样本进行拟合，网络的隐节点数选为10。 其它学习参数设定如下：神经网络采用标准Sigmoid 激活函数，输出层采用线性激活函数，即：()f u u =。 学习率η=0.003，目标误差ε=0.5，最大学习次数20000，初始权值和偏移取[-0.1, 0.1]内的随机数。 2． 掌握模糊C 均值聚类算法的基本原理，并用该算法实现彩色图像分割。 2.1、BP 网络解决函数逼近 2.1.1、BP 神经网络设计 图 1创建BP 神经网络 2.1.2、BP 神经网络训练

图 2训练图2.1.3、BP神经网络测试及结果分析 图 3仿真结果图 P=linspace(-4,4,100);%均匀产生随机数 T=1.1.*(1-P+2.*P.^2).*exp(-P.^2/2)+sqrt(0.1)*rand n(1); %样本输出fx+ei t net=newff(P,T,10); %产生bp网络，10个神经元net.trainParam.show = 50;%显示周期 net.trainParam.lr = 0.003; %学习率 net.trainParam.epochs = 20000;%最大学习次数 net.trainParam.goal = 0.001; %目标误差 net.IW{1,1}=rand(10,1)*0.2-0.1;%初始权值 net.b{1,1}=rand(10,1)*0.2-0.1; net.b{2,1}=rand(1)*0.2-0.1;%初始偏移量 [net,tr]=train(net,P,T); p=8.*rand(1,100)-4; A = sim(net,P); %仿真figure; plot(P,T,'o',P,A,'x'); 2.2、基于模糊C均值聚类的彩色图像分割 2.2.1、基本原理及实现流程 在数字图像由于存在混合像素的原因，也就是说一个像素中不仅存在一类地物，因而采用硬分类方式往往不合适，而模糊C均值就是引入模糊集对每个像素的划分概率不单单是

智能信息处理

智能信息处理 教学目标： 1、认识智能信息处理工具及作用； 2、了解信息智能处理的方式及基本应用； 3、了解智能信息处理工具的工作原理； 4、了解智能信息处理的实际应用价值。 教学重点： 信息智能处理的方式及基本应用。 教学难点： 智能信息处理工具的工作原理。 教学过程： 一、导入： 播放视频：世界围棋大赛“人机大战” 1、从视频中，你看到了什么？ 2、机器战胜人类，你觉得对我们又何威胁？ 3、在生活中，我们还有哪些事物属于人工智能？ 好！下面我们就一起来学习一下智能信息的处理这一小节的内容。 二、新授： 1、认识只能信息处理工具及作用：（通过观看几组图片来分析不同 的智能信息处理工具及作用）

2、智能处理工具与一般处理工具的异同点： 相同点：都是通过计算机程序来实现的。 不同点：一般处理工具:处理的问题有固定算法，处理过程是重复计算的过程，最终得到一个确定的结果。如求方程组的解，加密解密程序。智能处理工具:处理的问题是不确定、非结构的、没有固定算法的，处理过程是推理控制的过程，最终结果不太确定。如手写汉字的识别率还不足100%，但已具有实用价值。 3、信息智能处理的方式： 人工智能（Artificial Intelligence 简称AI）：是以探索和模拟人类智能活动为基本目标而设计出类似人的某些智能的自动机器的科学。 人工智能研究的两个领域：模式识别和自然语言理解。

4、信息智能处理的方式及基本应用： 模式识别：是表征事物或现象的各种形式 的信息（图片、文字、符号、声音）等进 行自动识别的技术。模式识别的研究范畴 有：文字识别、指纹识别、声音语言识别、 声音信号和地震信号分析、照片图片分 析、化学模式识别等（P86左边小字）。 指纹识别：利用指纹来鉴定人的身份，可以克服证件、签字、照片、密码、钥匙、印鉴等容易假冒、丢失、遗 忘等缺点。 如：浙江省公安厅使用北大自动指纹识别 系统，建立了100多万人的指纹库，检索 一个现场只需4分钟。 指纹识别结合生物扫描技术，可以识别指 纹的平面图像特征，可以对指纹表皮下的 毛细血管的分布特征以及手指的三维图 像特征进行识别。 光学字符识别（OCR技术）：在邮件的自动分拣中，可以使用OCR和光学条码识别、人工辅助识别等手段相结合来完成邮政编码的阅读。（扫描仪输入文字）

中国传媒大学信号与信息处理专业方向介绍

中国传媒大学信号与信息处理专业方向 介绍 1．DSP技术与应用方向 当前，数字音频广播（DAB、数字AM）、数字视频广播（DVB）和高清晰度电视（HDTV）技术发展迅速。数字技术在卫星广播、微波通信领域的应用越来越普遍，广播电视多功能信息网已投入商业运营。国际和国内的广播电视覆盖网正在或即将由模拟信号传输过渡为数字信号传输网。DSP技术与应用研究方向着眼于广播电视数字信号传输系统中信源编码、信道编码和数字调制的实现和相关测试信号的产生，着重研究数字信号的实时处理。本研究方向是信号与信息处理学科的重要组成，也是该学科中十分活跃，近年来发展十分迅速的技术。 DSP技术与应用研究方向利用数字信号处理方法和通用DSP芯片，FPGA芯片，依靠软件无线电技术，计算机仿真技术，研究并实现数字信号传输系统中信源编解码、信道编解码、调制解调、多工复用和同频组网。重点跟踪研究数字音频广播、数字视频广播、高清晰度电视和广播电视综合信息网中的关键技术，探索下一代数字广播电视的新技术及新技术标准。本研究方向对我国广播电视单频网覆盖网的数字化进程作出了重要贡献，参加了多项国家重大科技攻关项目，研制调频数字同步广播系统国内占有率第一。 本方向培养的学生应具有扎实的学科基础和专业基础知识，具有软、硬件分析和设计能力，较强的创新与实践能力，能独立分析和解决实际问题，可在广播电视领域、现代通信领域、信息产业以及其他国民经济部门从事各类数字电视广播、数字视频和多媒体系统设计、研究、教学、管理等工作。 2．多媒体技术方向 多媒体的含义是使声音、图片、文字、图像、视频等多种信息成为一个整体，并具有实时的交互性，而这种统一性及交互性是由逻辑连接起来。多媒体技术融合了信息处理、计算机、网络与通信等多种学科，具有表现力丰富、符合人们的思维和认知习惯的特点，成为当今信息技术中的热点，它也是当今数字媒体技术或新媒体技术的本源，强调了媒体信息的多样化、集成化、智能化以及交互性。 多媒体技术近年来在广播影视传媒领域受到了广泛关注：以视/音频非线性编辑为代表的多媒体技术已经成为广播影视编辑、制作、播出技术的主流，而广播电视台全台制播网络一体化、多媒体综合业务网、新媒体技术及应用、虚拟现实技术及应用等则代表了广播电视技术领域未来的发展方向。另外，基于多媒体技术的智能视频监控系统在各行各业也有了广泛且深入的应用：借助数字图像处理（DIP）、智能视频分析（IVA）、计算机视觉（CV）、计算机图形学（CG）以及地理信息系统（GIS）等多媒体技术手段的实用系统已经在广播电视信号监测、广播电视内容监播、广播电视广告监播与监管、安全防范系统工程、智能交通系统、平安城市工程等诸多系统中发挥出越来越重要的作用。 本研究方向的主要研究内容包括： (1)智能视/音频分析与处理（对象提取、目标检测、目标识别与跟踪、广播电视内容监播、广告监播） (2)多媒体先进编辑技术（新型高/标清、多格式混编技术，基于对象的影视编辑技术） (3)多媒体技术与艺术的结合（表情识别、表情移植、变形动画，基于场景视频的三维虚拟重现）

模式识别学习心得体会

模式识别学习心得体会 篇一：最新模式识别与智能系统专业毕业自我总结 最模式识别与智能系统专业大学生 毕业自我总结优秀范文 个人原创欢迎下载 模式识别与智能系统专业毕业论文答辩完成之际，四年大学生活也即将划上一个句号，而我的人生却仅仅是个逗号，我即将开始人生的又一次征程。作为×××大学（改成自己模式识别与智能系统专业所在的大学）毕业生的我即将告别大学生活，告别亲爱的模式识别与智能系统专业的同学和敬爱的老师，告别我的母校——×××大学。 回顾在×××大学模式识别与智能系统专业的求学生涯，感慨颇多，有酸甜苦辣，有欢笑和泪水，有成功和挫折！大学——是我由幼稚走向成熟的地方，在此，我们认真学习模式识别与智能系统专业知识，拓展自己的知识面，培养自己的模式识别与智能系统实践活动能力。 在思想道德上，×××大学（改成自己就读模式识别与智能系统专业所在的大学）学习期间我系统全面地学习了思政课程的重要思想，不断用先进的理论武装自己的头脑，热爱祖国，热爱人民，坚持四项基本原则，树立了正确的人生观、价值观、世界观，使自己成为思想上过硬的模式识别与智能系统专业合格毕业生。

在模式识别与智能系统专业学习上，我严格要求自己，刻苦钻研 篇二：最新模式识别与智能系统专业毕业自我个人小结优秀范文原创 最模式识别与智能系统专业大学生 毕业个人总结优秀范文 个人原创欢迎下载 在×××（改成自己模式识别与智能系统就读的大学）模式识别与智能系统专业就读四年青春年华时光，匆匆而过。四年的时间足以证明了，我爱上了×××（改成自己模式识别与智能系统就读的大学）的一草一木，一人一事。回想四年里有过多少酸甜苦辣、曾经模式识别与智能系统班级里的欢声笑语，曾经期末考试备战中的辛勤汗水……所有的一切都历历在目。在模式识别与智能系统专业各位老师的启发教导下，我在德智体方面全面发展，逐渐从幼稚走向成熟。 在思想政治上，我有坚定信念和正确的立场，热爱祖国，热爱党，认真学习、与时俱进。平时本人踊跃参加模式识别与智能系统专业组织的各项社会公益活动，主动投入模式识别与智能系统班级捐款救灾等活动行列，用微薄的力量，表达自己的爱心，争做合格有为青年。 学习方面，我努力认真地学好每一门模式识别与智能系统专业课，基本掌握了模式识别与智能系统理论方面的一些

智能信息处理技术考试复习重点

人工智能有能力做三件事：知识存储 解决问题 获取新知识 人工智能的三个关键部分：表示 学习 推理 神经网络至今经历了兴起、萧条和兴盛三个时期。 神经网络动力学过程有 过程--计算过程 和 过程--学习过程 前馈神经网络的发展经历了：兴起 萧条 和 兴盛 三个时期 前馈神经网络模型有：感知器、BP网络、RBF网络 遗传算法的三个算子：选择算子、交叉算子、变异算子 遗传算法主要由三种运算组成：选择运算 交叉变异 变异运算 编码方法可以分为三大类：二进制编码方法、浮点数编码方法、符号编码方法。 Hopfield神经网络模型一般由单层全互连的神经元u i(i=1,…，n)组成。 自组织映射神经网络模型SOM）它是一种无监督学习神经网络 计算智能包括神经网络、模糊信息处理 和 遗传算法 。 计算智能核心内容：神经网络、进化计算和模糊系统 模糊数学是研究和处理模糊性现象的数学方法. 经典数学是以精确性为特征的. 关系的特性：自反性、对称性和传递性 典型的学习规则：hebbian学习规则和Delta学习规则 遗传算法 主要用于函数最优化计算，它是模拟生物在自然环境中的遗传和进化过程的一种自适应全局寻优的随机搜索算法。 遗传编码: 把问题的可行解从其物理解空间转换到遗传算法所能处理的搜索空间(编码空间)的转换方法称为编码 描述神经网络模型的六个要素：传播规则 活跃规则 输出规则 互连模式 学习规则 环境 神经网络 :是由大量的、同时也是很简单的处理单元（神经元）广泛地互相连接而形成的复杂网络系统。反映了人脑功能的许多特性，是对人脑功能进行某种简化、抽象和模拟。 BP反向传输算法的基本过程：初始化阶段前馈阶段 权值调整阶段 学习精度计算 学习结束判断 智能：智慧和能力。个体有目的的行为、合理的思维以及有效适应环境的能力。 神经计算的特点 大规模并行性、集团运算和容错能力。 信息的分布式表示。学习和自组织能力。多层神经网络系统具有强大的解算能力和处理实际问题的能力。 计算智能：借鉴仿生学思想，基于生物体系的生物进化、神经细胞网络等机制，用数学语言抽象描述的计算方法，用以模仿生物体系和人类的智能机制。 SOM模型计算的基本原理 当某个模式输入时，输出层某一神经元得到最大刺激而竞争获胜（产生最大输出值）。 同时该获胜神经元周围的一些神经元也因侧向相互作用而受到较大刺激，修改这些神经元和输入神经元之间的连接权值。 当输入模式发生变化时，输出层上获胜的输出神经元也发生改变。通过神经网络权值的调整，使得输出层特征分布能反映输入样本的分布情况。 根据SOM模型的输出状态，不但能够判断输入模式所属的类别，并使得输出神经元代表某一模式类别，还能够得到整个数据区域的大体分布情况，即从样本数据中获得数据分布的大体本质特征。 遗传算法的主要过程如下： 1） 初始化。设置进化代数计数器 t =0 ，设置最大进化代数T，随机生成N个个体作为初始群体P(0)。 2） 个体评价。计算群体P(t)的各个个体的适应度。

2017考研专业：模式识别与智能系统

2017考研专业：模式识别与智能系统 一、专业介绍 1、学科简介 模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科下的二级学科硕士点。模式识别与智能系统是在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。 2、培养目标： 该学科的硕士毕业生应具有坚实的模式识别与智能系统学科的基础理论和系统的专门知识;对于模式识别与智能系统某一研究领域的进展和学术动态有较深的了解;能够熟练利用计算机解决本学科的有关问题;具有从事模式识别与智能系统中的某一研究方向的科学研究或独立担负专门技术工作的能力，并取得有意义的成果;较为熟练地掌握一门外国语。 各招生单位研究方向和考试科目等不尽相同，在此以江苏大学为例： 3、研究方向 1.模式识别及图像处理 2.智能控制与机器人 3.图像处理及图像数据库系统 4.数据挖掘与决策支持系统 4、硕士研究生入学考试科目： ①101政治理论 ②201英语 ③301数学一 ④833自动控制理论(含经典与现代部分)、851数据结构、852通信系统原理选一 二、就业方向 该学科培养的研究生毕业后，可到大、中、小型企业，科技部门，高等院校，金融、电讯单位，政府机关等各行业从事自动化和系统工程相关的科研、开发、设计、研制、生产与管理等工作。 三、职业规划 计算机技术的应用在我国各个领域发展迅速，为了适应知识经济和信息产业发展的需要，操作和应用计算机已成为人们必须掌握的一种基本技能。该专业用到的计算机技术相对较多，可以通过全国计算机等级考试(National Computer Rank Examination，简称NCRE)来获得自己相应水平实力的等级证书。 NCRE是经原国家教育委员会(现教育部)批准，由教育部考试中心主办，面向社会，用于考查应试人员计算机应用知识与能力的全国性计算机水平考试体系。 NCRE每年开考两次，上半年开考一、二、三级，下半年开考一、二、三、四级。上半年考试时间为4月第一个星期六上午(笔试)，下半年考试时间为9月倒数第二个星期六上午(笔试)，上机考试从笔试的当天下午开始。上机考试期限为五天，由考点根据考生数量和设备情况具体安排。 四、推荐院校

智能信息处理技术及其应用复习过程

学号：11710201 文献检索报告 智能信息处理技术及其应用 学生姓名徐海峰 班级11计算机2班 成绩 指导教师(签字) 计算机与信息工程学院 2014年4月17日

摘要：智能信息技术室近年来发展起来的，它通过结合计算机技术、通信技术、电子技术以及控制技术等实现信息的采集、处理以及显示的自动化。网络的及时的发展为智能信息处理提供了通信基础和协同工作的前提。可以预测随着网络技术的快速发展，智能信息技术必将在更加广泛的领域得到应用。 关键字：智能信息发展网络技术通信技术 一、智能信息处理技术概述 智能信息处理最早起源于本世纪30年代，但是由于智能信息处理系统运作过程需要大量的计算，而当时又没有快速的计算工具，这样就极大的约束了智能信息处理技术在初期的发展。自40年代后期计算机问世后，给智能信息处理技术的发展创造了良好的条件。一些具备智能信息处理功能的高科技产品相继被推出，并产生了巨大的社会及经济效益。 所谓智能信息技术就是自动的对信息进行处理。从信息采集、传输、处理到最后提交都是自动完成的。所以可分为：智能数据采集、智能信息处理、智能数据显示三个部分。智能数据采集就是指通过以计算机技术为主体的设备自动获取特定对象的信息，兵保存到指定设备上的一种技术。它涉及到计算机技术、人工智能、电子技术、嵌入式技术等方面。它具有智能、准确、高效实时的特点。目前已被广泛应用于物流、工业控制等多个领域。能够信息处理都是通过用计算机或单片机预先编程对采集到的数据进行一系列的处理，然后通过有线或者无线网络技术发送到指定的终端，实现数据的自动处理 二、智能信息处理技术的应用 智能信息处理的一个非常重要的目标，就是要制造出能看会说、有感情的机器人。这使该领域的研究工作主要集中于语音处理、图象处理、计算机视觉等几

对智能信息处理的认识

一、智能信息处理技术的概述智能信息处理技术的概述处理 这是一个信息时代，现在我们每天和信息打交道，人类社会的进步在一定程度上取决对于信息的了解、处理和利用的水平。当前计算网络与大型数据库的广泛使用,使决策者与经营者面临巨量的数据而无所适从,用智能信息处理方法解决这一问题是当今信息社会的重要手段。智能信息处理的主要目的就是要制造出具有学习、理解和判断能力的人工智能系统。它的本质就是要研究一些算法来提取出信号中的有用信息，从而实现系统的智能控制。归纳起来智能信息处理研究以下重要问题: （1）.人、机器、环境的智能交互与协作,研究文字、语音的自动识别及自然语言理解,研究视觉信息与各种图像的自动处理,其目的是使人与机器、机器与环境的信息交流更为有效。（2.）从大规模数据库中提取关键信息与有用的规律。其主要方向有约简数据，和机器学习,即利用已有知识与模式识别理论对大量数据简化,并变换为决策者可以阅读的形式;对大量数据自动学习,以实现对数据的分类、评价,并预测可能产生的结果。（3.）智能系统的规划、决策、协作与优化。建立计算机辅助规划与决策系统,在某些优化指标下提高全社会的经济与社会效益。研究系统建模,优化,最优化的智能规划与决策以及多智能体系的协作与竞争的理论与方法。 二、智能信息处理技术的发展史智能信息处理技术的发展史处理 智能信息处理最早起源于本世纪30 年代，但是由于智能信息处理系统运作过程需要大量的计算，而当时又没有快速的计算工具，这样就极大的约束了智能信息处理技术在初期的发展。自从40 年代后期计算机问世后，给智能信息处理技术的发展创造了良好的条件。一些具备智能信息处理功能的高科技产品相继被推出，并产生了巨大的社会及经济效益。例如英国科学家A.M.Cormack和C.N.Hounsfield 利用智能信息处理技术的一些结果提出了图由于它可以获得人象的重建算法，并于1972 年设计制造出了医用的CT 机。 体内部的横截面的立体图象，因此在医学诊断中得到了重要应用，成为各大医院的基础设备。另外60 年代初由美国科学家J.W.Cooley等人提出的用于频谱分析的快速Fourier 算法(FFT)，也在科学界引起轰动。该算法用硬件电路实现后，被迅速应用于智能测量仪器等一系列高自动化检测设备中去，获得了极大的成功。 三、智能信息处理技术的应用 智能信息处理的一个非常重要的目标，就是要制造出能看会说、有感情会思维的机器人。这使该领域的研究工作主要集中于语音处理、图象处理、计算机视觉等几个方面。语音处理目的，就是对人们所发出语音的规律及特点进行研究，以便让计算机能够“说话”和听懂人的语言。这也就是我们通常所说的语音信号的合成与识别。语音合成技术发展最快，已基本达到实用化成度。不过利用现有技术合成的语音在自然度方面与人的发音仍有很大差距，这也是语音合成技术今后研究的目标。语音识别技术经过多年的努力，已经提出了一些比较有效的方法。目前对特定人发音的正确识别率可以达到95%以上，但是对非特定人发音的正确识别率还很低。总之，语音识别技术离实用化尚有一段距离。在语音信号的识别技术和方法上，仍需要进行深人的研究。为了适应通信技术的发展，人们还对语音信号的编码方法进行了深人的研究，以便把语音信号压缩在一个更窄的频带内传输。目前利用CE 一LPC 等多种方法，已使语音信号在 4.skb/s 传送速率下，