智能信息处理教学大纲范文

一、课程基本信息

课程编号：

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 ： 理论学时： 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，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

各教学环节学时分配 章 次 小 计 第一章：人工智能导论 第二章：模糊信息处理 第三章：神经网络 第四章：粗糙集信息处理 第五章：遗传算法及其应用 第六章：信息融合技术及其应用 第七章：免疫算法 合 计 4 10 8 10 8 10 4 讲 实 授 验 4 8 6 8 6 8 4 4 4 上习讨课机 题 论 外 2 2 2 2 2 10 备 注 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，张长水编著.《人工神经网络与模拟进化计算》.北京：清华大学出版社，2000年.

[3] 周明，孙树栋编著.《遗传算法原理及应用》. 北京：国防工业出版社，1999年.

[4] 莫宏伟编著.《人工免疫系统原理与应用》.哈尔滨：哈尔滨工业大学出版社，2002年.

执笔人： 教研室主任： 教学院长：