高级人工智能 第三版

高级人工智能 第三版
作者：史忠植 著
出版时间： 2011年版
内容简介
　　《高级人工智能（第3版）》是研究解释和模拟人类智能、智能行为及其规律的一门学科，建立智能信息处理理论，研制智能机器和智能系统，延伸和扩展人类智能。《高级人工智能（第3版）》共16章。第1～6章讨论人工智能的认知问题和自动推理，论述逻辑基础、约束推理、定性推理、基于案例的推理、概率推理；第7～14章重点讨论机器学习和知识发现，包括归纳学习、支持向量机、解释学习、强化学习、无监督学习、关联规则、进化计算、知识发现；第15章阐述主体计算；第16章讨论互联网智能。与《高级人工智能（第3版）》第二版相比，增加了两章新内容。其他章节也作了较大的修改和补充。《高级人工智能（第3版）》内容新颖，反映了人工智能领域的最新研究进展，总结了作者多年的科研成果。全书力求从理论、算法、系统、应用等方面讨论人工智能的方法和关键技术。《高级人工智能（第3版）》可作为高等院校信息领域相关专业的高年级本科生和研究生的教材，也可供相关科技人员学习参考。
目录
《智能科学技术著作丛书》序
前言
第1章　绪论
　1.1人工智能的渊源
　1.2人工智能的认知问题
　1.3思维的层次模型
　1.4符号智能
　1.5人工智能的研究方法
　1.6自动推理
　1.7机器学习
　1.8分布式人工智能
　1.9智能系统
　习题
第2章　人工智能逻辑
　2.1概述
　2.2逻辑程序设计
　2.3封闭世界假设
　2.4非单调逻辑
　2.5默认逻辑
　2.6限制逻辑
　2.7非单调逻辑nml
　2.8自认知逻辑
　2.9真值维护系统
　2.10情景演算
　2.11框架问题
　2.12动态描述逻辑ddl
　习题
第3章　约束推理
　3.1概述
　3.2回溯法
　3.3约束传播
　3.4约束传播在树搜索中的作用
　3.5智能回溯与真值维护
　3.6变量例示次序与赋值次序
　3.7局部修正搜索法
　3.8基于图的回跳法
　3.9基于影响的回跳法
　3.10约束关系运算的处理
　3.11约束推理系统cops
　3.12ilogsolver
　习题
第4章　定性推理
　4.1概述
　4.2定性推理的基本方法
　4.3定性模型推理
　4.4定性进程推理
　4.5定性仿真推理
　4.6代数方法
　4.7几何空间定性推理
　习题
第5章　基于案例的推理
　5.1概述
　5.2类比的形式定义
　5.3相似性关系
　5.4基于案例推理的工作过程
　5.5案例的表示
　5.6案例的索引
　5.7案例的检索
　5.8案例的利用
　5.9案例的保存
　5.10基于例示的学习
　5.11案例工程
　5.12中心渔场预报专家系统
　习题
第6章　贝叶斯网络
　6.1概述
　6.2贝叶斯概率基础
　6.3贝叶斯问题的求解
　6.4简单贝叶斯学习模型
　6.5贝叶斯网络的建造
　6.6贝叶斯潜在语义模型
　6.7半监督文本挖掘算法
　习题
第7章　归纳学习
　7.1概述
　7.2归纳学习的逻辑基础
　7.3偏置变换
　7.4变型空间方法
　7.5aq归纳学习算法
　7.6cls学习算法
　7.7id3学习算法
　7.8单变量决策树的交行处理
　7.9归纳学习的计算理论
　习题
第8章　统计学习
　8.1统计方法
　8.2统计学习问题
　8.3学习过程的一致性
　8.4结构风险最小归纳原理
　8.5支持向量机
　8.6核函数
　8.7邻近支持向量机
　8.8极端支持向量机
　习题
第9章　解释学习
　9.1概述
　9.2解释学习模型
　9.3解释泛化学习方法
　9.4全局取代解释泛化方法
　9.5解释特化学习方法
　9.6解释泛化的逻辑程序
　9.7基于知识块的soar系统
　9.8可操作性
　9.9不完全领域知识下的解释学习
　习题
第10章　强化学习
　10.1概述
　10.2强化学习模型
　10.3动态规划
　10.4蒙特卡罗方法
　10.5时序差分学习
　10.6q学习
　10.7强化学习中的函数估计
　10.8强化学习的应用
　习题
第11章　无监督学习
　11.1概述
　11.2相似性度量
　11.3划分方法
　11.4层次聚类方法
　11.5基于密度的聚类
　11.6基于网络方法
　11.7基于模型的方法
　11.8模糊聚类
　11.9蚁群聚类方法
　11.10聚类方法的评价
　习题
第12章　关联规则
　12.1概述
　12.2基本概念
　12.3二值型关联规则挖掘
　12.4频繁模式树挖掘算法
　12.5垂直挖掘算法
　12.6挖掘关联规则的数组方法
　12.7频繁闭项集的挖掘算法
　12.8最大频繁项集的挖掘算法
　12.9增量式关联规则挖掘
　12.10模糊关联规则的挖掘
　12.11任意多表间关联规则的并行挖掘
　12.12基于分布式系统的关联规则挖掘算法
　习题
第13章　进化计算
　13.1概述
　13.2进化系统理论的形式模型
　13.3达尔文进化算法
　13.4基本遗传算法
　13.5遗传算法的数学理论
　13.6遗传算法的编码方法
　13.7适应度函数
　13.8遗传操作
　13.9变长度染色体遗传算法
　13.10小生境遗传算法
　13.11混合遗传算法
　13.12并行遗传算法
　13.13分类器系统
　习题
第14章　知识发现
　14.1概述
　14.2知识发现的任务
　14.3知识发现的工具
　14.4msminer的体系结构
　14.5分布式知识发现
　习题
第15章　主体计算
　15.1概述
　15.2分布式问题求解
　15.3主体理论
　15.4主体结构
　15.5主体通信语言acl
　15.6协调和协作
　15.7移动主体
　15.8多主体环境
　习题
第16章　互联网智能
　16.1概述
　16.2语义web
　16.3本体知识管理
　16.4web挖掘
　16.5搜索引擎
　16.6web技术的演化
　16.7集体智能
　16.8展望
　习题
参考文献