第一篇：智能信息處理實驗室建設申請書

【項目一：智能信息處理實驗室 規劃申請立項時間：2013年 】

1.項目建設的總體目標：

（1）總體建設目標：

根據國家對高校教學和科研的要求以及我系的現狀，擬建設智能信息處理實驗室。通過該實驗室的建設，為我系教師提供一個科研平臺，凝聚我系科研骨干的力量，帶動我系其他教師積極參與科學研究，推動我系科研工作的開展，使得我系科研整體水平有較大的提高。同時，該實驗室的建設，也為我系學生提供一個實驗教學平臺，有助于推動本科教學的改革，有助于培養出符合地方經濟和社會發展的應用型和實用型人才，更好地為地方經濟建設服務，促進地方經濟和社會發展。

（2）項目建設的意義和可行性分析： ①項目建設的意義：

智能信息處理實驗的研究方向很多，主要包括：互聯網科學(Web science)、智能計算(Intelligentcomputing)、搜索引擎(Search engine)、數據挖掘(Data mining)、優化算法(Optimizationalgorithm)、機器學習(Machine learing)等研究方向。各大高校和研究機構都成立了以智能信息為研究方向的智能信息處理實驗室。

我們建設的智能信息處理實驗室準備以基礎研究、應用基礎研究為主，集學術研究、工程應用、人才培養于一體。研究方向主要定位于為多目標優化、智能視頻處理、智能控制，神經網絡理論、數據挖掘等方向。擬安排具有豐富實際項目研究經驗的研究人員帶領優秀本科生在以上幾個方向組成開發團隊，以此培養學生較強的項目設計開發能力，提高學生在算法分析和思維創新方面的能力和一定的科研能力。另外實驗室還準備通過建立完善的人才培養機制，吸引我系教師、優秀的本科生依托實驗室研究平臺積極參加國內國際的各種競賽。

本實驗室建設的意義，并不在于只是簡單的給教師、學生提供一個研究、實驗、學習的場所和條件，而是要把各種積極的力量凝聚起來，不斷的推動我院的科學研究水平。通過實驗室的建設，推動建設一支年齡與知識結構合理、勇于創新的優秀研究團隊，形成良好的科研傳統和學術氛圍。通過實驗室的建設，也能為安順市的師資培訓、科研創新提供一個平臺，有利于推動產學研相結合，使科學研究真正服務于社會、服務于生產實踐。無論是教學改革的需要，還是科研進一步推進的需要，我們都迫切希望建成智能信息處理實驗室。

②項目實施的可行性分析：

我系成立于1978年，現有專任教師38人，教授3人，副教授13人，碩士學位26人，在讀博士4人，在讀碩士3人。開設有數學與應數學、計算機科學與技術兩個本科專業和數學教育一個專科專業，任課教師具有豐富的實習、實踐指導經驗。通過多年的教學科研和管理經驗的積累，已完全可以勝任實驗室的建設和管理。

我系現已有一個穩定的科學研究團隊，在各自的研究領域已經做了一定的工作。我系的教師已經承擔如下的課題：在思想政治工作方面承擔了教育廳資助的《貴州高校大學生感恩意識淡泊狀況、歸因及培育探究》課題。在自然科學方面，承擔且已結題的有教育廳資助的《動態環境投資組合優化模型及算法研究》、《算子代數上的線性映射》，省社科規劃辦資助的《基于大學生問題意識培養的高等數學教學教學研究》；承擔但未結題的有科技廳資助的《動態環境免疫優化算法設計、分析及應用研究》、《公共交通中重點路段的智能監控研究》，聯合基金資助的《屯堡村落的數字化研究--以時家屯為例》、《擬穩態微波加熱系統中的最優控制理論研究》、《保護隱私的基于GIS路徑規劃》、《有限群Cayley圖的齊次因子分解研究》；省教育廳資助的創新人才支持計劃一項。

但因為沒有自己的專業實驗室，所以我們研究內容中的一些實驗項目只能借助貴州大學、貴州民族大學等高校的實驗室來完成。這次我校得到中央財政支持地方高校發展專項資金的資助，使得建設智能信息處理實驗室具有了經濟上的可行性。

綜上所述，我系已經在管理措施和科學研究兩個方面做好了準備工作。智能信息處理實驗室的建設不僅是可行的，而且是很有必要的。2.主要建設內容：

①建設目標：

（1）建立健全各項實驗室管理規章制度。通過實驗室的建設提高實驗室的管理水平和實驗教師的教學水平及科研能力，培養及建立一支動手能力強，教學和科研雙過硬，專尖結合的師資隊伍。

（2）通過深化實驗教學改革，優化實驗教學體系，創新管理運行機制，建設滿足現代實驗教學需要、科研需要的高素質的師資隊伍，建成儀器設備先進、資源共享、開放管理、綠色環保的實驗教學中心，全面提高實驗教學水平和實驗室效益，滿足新時期實施素質教育和培養創新型人才的需要。

（3）依托智能信息處理實驗室，通過承擔創新項目、科研項目，鍛煉教師、學生的科研創新能力。

②建設任務：

該實驗室主要用于滿足實驗教學和科研兩方面的要求。實驗室的建設應具有較好的研究條件，有助于培養學生初步的研究能力，能給教師提供一個完善的教學科研實驗平臺。需要完成實驗場地基礎設施的建設，然后購置實驗電腦、打印機、投影儀、服務器等實驗器材，完成儀器設備的安裝、調試。③規劃期內各建設項目及內容：

（1）通過對國內其它高校智能信息處理實驗室的調研，形成詳細的實驗室建設規劃，并進行專家論證。

（2）通過正規的招標程序，配備教師實驗電腦10臺、學生電腦30臺、服務器1臺、投影儀1臺及其其他所必需的實驗設備。同時完成實驗場地基礎設施的建設。

（3）完成智能信息處理課程的實驗教學大綱、實驗教學指導書的撰寫、與修訂，以及完成實驗、實訓講義的編寫。同時需要完成設備的安裝、調試及試運行；組織驗收；準備有關材料，為中央、省專家組進校評估驗收作好充分準備。3.建設資金預算及主要用途

201３年規劃總資金53萬元，實驗室的建設費用預算如下：

（1）教師實驗電腦10臺、高性能服務器1臺，費用共計18萬元；（2）學生電腦30臺，費用共計15萬元；

（3）投影儀、網絡設備、計算軟件、圖像采集設備等，費用共計15萬元（4）實驗室基礎設施建設費用5萬元； 4.建設項目實施組織及進度安排

我系將成立智能信息處理實驗室建設領導小組負責項目的實施。提供需要購置的設備、場地布線、實驗室的維修、改造等相關參數給學院國資處并由其上報市政府，按照政策進行招標。進度安排如下：

2013.6～2013.8：成立智能信息處理實驗室建設領導小組，并對原有的設備進行清查。同時完成對國內其它高校相關實驗室的建設進行調研。2013.9～2012.11：制定智能信息處理實驗室建設的總體規劃、建設方案。同時聘請專家對智能信息處理實驗室建設規劃進行詳細論證。

2013.11～2014.1：制定詳細的智能信息處理實驗室設備購置計劃并進行實驗室建設的招標。完成實驗室管理規章制度的制定。

2014.2～2014.4：完成智能信息處理實驗室的建設。完成相關課程的教學大綱、實驗教學指導書、實驗講義的編寫與修訂等。

2014.4-2014.5：各實驗室整改發現的問題，提交總結報告。學校組織驗收。認真聽取專家意見，擬定整改方案并實施。

第二篇：現代智能信息處理技術研究

現代智能信息處理技術研究

摘要：現代智能信息處理通過模仿人類和生物的智能行為，把自適應、進化、學習以及模糊等特點有機結合，并將其信號轉換為信息，這種方法也被稱為計算智能。計算機如今既可以作為數值計算的工具，更可以作為信息處理工具。當前，計算機迅速發展，如何運用計算機來實現信息處理的智能化就被提上日程。智能信息處理技術就是研究這個的一種重要方法。就現代智能信息處理技術，本文作了淺論。

關鍵詞：計算機 現代智能信息處理 技術

中圖分類號：TP274 文獻標識碼：A 文章編號：1007-9416（2015）11-0000-00

信息處理技術加強了對信號的處理和分析，掌握了信號的隨時變化。而智能信息處理技術更發展了信息處理技術，諸多不確定、不可靠的信息加工經過智能信息技術的處理，變得確定、可靠，這也正是智能信息處理技術的最大特點。通過智能信息處理后，一些不精確、不確定的信息依然可以從中得到較為確定的結果，已經獲取的信息從而可以得到更加充分、合理的利用，信息的利用效率得到了大大的提高。具備智能信息處理能力的產品給人們的生活帶來了巨大的方便，良好的經濟效益也在同時產生。現在醫學上廣泛應用的 CT 機就是建立在智能信息處理技術的基礎之上的。現代智能信息處理技術的基本原理

現代智能信息處理是信息處理技術的“智能化”，是信息處理技術“方法”的集合。在目前的信息處理過程中，現代智能信息處理技術已經成為最活躍的研究領域，是對信息進行“非線性”、“優化”、“分布式”、“并行”、“決策”處理的最好智能化方法之一。通過現代智能信息處理，原來不完全、不可靠、不精確且不一致和不確定的知識和信息變得可靠、精確、一致、完全乃至確定。智能信息處理涉及到信息科學的多個領域，其綜合應用了人工神經網絡、模糊理論、現代信號處理以及人工智能等理論和方法。信息科學的多個學科都涵蓋其中，從這個意義上說，多個領域都被智能信息處理技術所涉及，智能信息處理技術融合了通信技術、電子技術、計算機技術以及控制技術等。現代智能信息處理技術的主要方法

2.1人工神經網絡方法

該方法建立在數學模型和網絡模型的基礎上。基于數學模型的原因是：在數學模型中，信息處理的基本單元體是人工神經參考大腦神經元。通過有機的組合后，一個復雜的神經網絡結構就形成了。這個結構由大量的人工神經元所構成了。而這個結構的基礎自然就是單個的人工神經元和各個神經元之間的連接結構。人工神經元在網絡模型中按照一定的結構組合成一個完成的模型。

對人工神經元網絡模型進行分類，連接方式和信息流動方向是其中一個標準。按照這個標準進行劃分，神經網絡結構可以劃分為兩種類型，這兩種類型分別為前向型網絡和相互結合型網絡。這兩種模型中后者的信息可以反饋，前者沒有信息反饋機制，因此后者也被稱為反饋型神經網絡模型。

2.2模糊理論

現代智能信息處理技術會面對一些不確定的現象。在研究這些現象時，模糊理論就需要用到了。事物自身就具有不確定性，它是對象差異的中間過渡狀態，不受數學理論中二元性原則的束縛，因此難以得到明確的劃分。在劃分對象時，不明確的標準就使得處理對象具有了一定的模糊性。這就形成了模糊系統的基礎，模糊系統即動態模型，這個動態模型具有一定的模糊信息處理能力。通常，模糊系統可以被看成輸入和輸出的對應關系，該系統由四部分組成，即模糊產生器、模糊規則庫、反模糊化器以及模糊推理機，可以被當作連續函數的通用逼近器進行應用。在模糊系統和神經網絡的基礎上，模糊神經網絡得到了研究和發展。

2.3進化算法

在智能信息處理技術中，進化算法是最常用的算法之一，是對生物界中的自然選擇定律和遺傳定律的學習和借鑒。在優化和機器學習等領域的研究方面，該算法起到了指導作用。遺傳算法的工作原理是模擬生物的遺傳模型在全局中進行優化搜索。遺傳算法的對象是個體。遺傳算法正是對個體進行的選擇、交叉以及變異操作，這也正是該算法有別于傳統算法的獨特性質。這種具有很廣的應用范圍，且算法簡單，這兩個特點非常有利于信息的并行處理。如今，進化算法經過科學家的研究探索，已經在眾多領域得到了廣泛應用，如自動控制、圖像識別、機器學習等。

2.4信息融合技術

現代智能信息處理技術中，需要加工、利用多種信息，并使其相互補充，信息融合技術的主要研究內容就是獲得更加真實、準確的信息。為了實現對目標精確的監測，可以利用多傳感器系統，對不確定的信息進行排除，就實現了可靠性的提高。現代智能信息處理的實際應用

3.1該技術在日常生活中的應用

首先，可以實現智能以及自動化操作，這無疑減少人類的腦力勞動量。現代智能信息處理技術還可以識別文字、語音、影像等對象，理解、翻譯等工作在機器的幫助下就都可以實現。還可以解決網絡阻塞問題。其主要渠道為借助路由器對數據的傳輸路徑進行分析，然后從中得出最佳路徑，網絡阻塞問題這樣得以解決。另外，計算機計算速度不斷加快，存儲容量不斷增大，其成本也不斷降低，總之，智能信息處理技術的發展對計算機技術的發展將起到更加有效的促進作用。

3.2自然語言理解技術

計算機能夠理解和生成自然語言的技術，這是自然語言理解的主要研究對象。

首先，通過網絡好機器人對話。此時現代智能信息處理技術的工作原理是通過網絡和機器人進行對話。這是一個比較復雜的系統，包括語言理解、思考以及語言生成就是它所包含的三個部分。具體而言，當我們輸入一段話，機器人首先要理解，然后能夠根據它的理解，利用它所具有的知識，對此生成一段文字。

其次，機器翻譯系統。所謂機器翻譯，指利用計算機把一種自然語言轉變成另一種自然語言。所謂機器翻譯，即完成這個轉換的過程就是機器翻譯，用以完成這一過程的軟件叫機器翻譯系統。它的工作原理是：先把一種語言的文章輸入到系統中，系統會自動把句子變成單詞，接著再辨別詞性。通過計算機查閱其中的單詞字典，就可以找到一種語言的對應詞。之后，為了分析語法，確定語法結構，再查存儲在計算機里的語法詞典，力圖找到另一種語言中與之對應的語法結構。最后，以另一種語言文字的形式輸出文章。

參考文獻

[1]彭司華.計算智能在生物信息學中的應用研究[D].浙江大學，2004年.[2]楊濤.智能信息處理技術在互聯網輿情分析中的應用[D].同濟大學，2008年.

第三篇：《智能信息處理》教學設計

《智能信息處理》教學設計

一、教學目標

知識與技能：

（1）了解信息智能處理的方式

（2）知道智能信息處理工具的基本工作過程（3）了解其實際應用價值 過程與方法：

（1）嘗試使用信息智能處理工具“手寫板”輸入文字（2）使用翻譯軟件進行英漢互譯（3）與機器人對話

情感態度與價值觀：

感受信息智能處理的魅力，能客觀評價信息智能處理給學習和生活帶來的變化，激發起學習探索人工智能知識的熱情和愿望，為學生今后選修“人工智能”打下基礎。

二、內容分析

1、本課內容選自信息技術必修模塊(二)信息的加工與表達(4)通過部分智能信息處理工具軟件的使用，體驗其工作過程，了解其實際應用價值。

2、本節的作用和地位： 沿著技術發展趨勢，信息技術自然會涉及到信息智能處理，這是前沿技術在日常應用中的體現。高中學生有必要也有興趣追求和學習前沿技術。本節內容只是要求學生在使用信息智能處理信息的過程中，對信息智能處理工具進行初步體驗，并形成感性認識。

三、重點與難點

教學重點：信息智能處理的實際應用價值 教學難點：信息智能處理的方式

四、學情分析

高一年級學生已經具備了一定的計算機使用經驗，但大多數都是常用工具軟件以及網絡應用，對于信息智能處理工具軟件的使用，可能個別學生已經具有一定的使用經驗，例如翻譯軟件、手寫板輸入等，但教學中還是以注重“啟蒙，興趣培養”為主。

本節教學主題是用部分智能工具處理信息，目標是體驗其工作過程，了解其實際應用價值，客觀認識人工智能技術對社會的影響，培養正確的科學技術應用觀。由于地處信息技術應用欠廣泛應用的地區，學生對生活中智能信息處理的工具和環境接觸很少，所以教學內容不易過深，過多，重在體驗，感悟、興趣激發。

五、教學過程

導入新課：

一、播放美國電影《人工智能》中關于機器人的視頻剪輯，給學生以未來人工智能的引領。

二、引言導入：人們利用計算機來處理信息是為了提高處理信息的效率，代替人來處理信息，但計算機執行的程序目前大多數都是人們預設的，不能根據實際情況的變化像人一樣作出靈活的變化，于是智能信息處理成為人們新的研究方向。

三、再看一段介紹IPhone 4s中Siri的視頻，讓我們的學生了解今天最新的信息智能處理的成果，以激發學生對人工智能的興趣，引入本課課題：

人工智能：人工智能是相對人的自然智能而言的，是指用人工的方法和技術，研制智能機器或智能系統來模仿、延伸和擴展人的智能，實現智能行為和“機器思維”，解決需要人類專家才能處理的問題。

課堂活動：

第一部分：模式識別技術

活動一：嘗試使用“手寫板”和“掃描儀”輸入文字；

教師簡要介紹慧視小靈鼠的使用和播放“掃描儀的使用”視頻；

學生分兩組，分別做“小靈鼠手寫輸入”和“漢王OCR識別”兩個活動中的一個，做得快的同學可以完成另一個活動，完成后請同學們談談使用心得。

在第一活動結束后，介紹“手寫板”的工作方式，人工智能的幾大領域。在最后介紹“自然語言處理”領域時，引出第二個學習活動：“使用翻譯軟件或教師提供的在線翻譯網站資源進行英漢文本的互譯”。

活動二：使用翻譯軟件或教師提供的在線翻譯網站資源進行英漢文本的互譯；

提供英漢兩段文本，要求全體學生完成

本活動要根據教學環境來考慮，如果學生機已安裝好“金山快譯”等翻譯軟件，就使用此類軟件完成學習任務，否則就利用教師提前準備的“在線翻譯網站”資源和練習資料完成學習任務。以保證學習的有效性、可操作性為前提。

在第二個活動結束后，介紹“翻譯軟件”的工作方式，信息智能處理工具的特點。歸納概念：

模式識別:是利用計算機對物體、圖像、語音、字符等進行識別的技術。是研究如何從繁雜的信息中提取特征，根據特征識別不同事物的基本原理。如手寫輸入、指紋識別、語音識別、光學字符識別等。第二部分：自然語言理解 活動三：與機器人聊天

學生使用QQ機器人小Q（QQ號：615050000）與機器人聊天，如果學生沒有語言障礙，可以用英文與在線機器人交流。

機器人聊天網站: http://vhost.oddcast.com/support/examples/API/sayAIResponse/sayAIResponse.html

http://www.tmdps.cn/

在智能處理工具的使用過程中感受其趣味性和喜悅。

學生討論、總結。

以問題討論方式，讓學生能客觀地評價信息智能處理工具。了解人工智能的發展前景，激發學生學習選修“人工智能”的興趣。

學生完成任務時教師點撥：

（1）觀察學生如何使用“手寫板”和“掃描儀”輸入文字。提示學生體會與使用鍵盤輸入的不同。

（2）利用翻譯軟件或根據教師提供的在線翻譯網站功能，使用英漢互譯功能。（3）與機器人聊天時，體會與真人聊天的區別，理解機器思維的特點。（4）在三個活動中，鼓勵學生大膽嘗試，在技術上要給予幫助。課堂小結：

概念總結：

人工智能：人工智能是相對人的自然智能而言的，是指用人工的方法和技術，研制智能機器或智能系統來模仿、延伸和擴展人的智能，實現智能行為和“機器思維”，解決需要人類專家才能處理的問題。

模式識別:是利用計算機對物體、圖像、語音、字符等進行識別的技術。是研究如何從繁雜的信息中提取特征，根據特征識別不同事物的基本原理。如手寫輸入、指紋識別、語音識別、光學字符識別等。

自然語言理解：自然語言理解是研究計算機如何運用已有的詞法和語法規則，正確理解人們的自然語言，以方便用戶使用和表達。它的應用有自然語言對話、機器翻譯等。課堂結語：

盡管我們今天體驗的信息智能處理工具與Siri相比還有著差距，但相信大家通過努力學習，一定會用上比Siri更高級的智能秘書，也一定可以自己在今后設計出更好的智能處理工具，讓我們一道憧憬人工智能的美好明天吧。

第四篇：模式識別與智能信息處理

“模式識別與智能信息處理”學科方向研究內容

“模式識別與智能信息處理”是當今發展最快的熱點領域，本領域以信息處理與模式識別的理論技術為核心，以數學方法與計算機為主要工具，探索對各種媒體信息進行處理、分類、理解并在此基礎上構造具有某些智能特性的系統或裝置的方法、途徑與實現，以提高系統的性能。模式識別與智能處理是現代服務業信息支撐技術之一，是一個理論與實際緊密結合、具有廣泛應用價值的重要領域。

一、計算機視覺與圖像識別

以信息處理與模式識別的理論、方法和技術為核心，以數學方法和計算機為主要工具，探索對圖像、圖形（人臉、指紋、虹膜、靜脈、步態、車牌等）的信息進行處理、分類、理解，并在此基礎上構造具有智能特性的系統。

二、語音合成、識別和理解

研究非特定人大詞匯量連續語音識別，語言模型與口語理解，說話人識別，口音識別，語音合成系統，對話系統，人機語音交互技術，音頻信號處理、識別，以及語音應用系統開發。

三、計算機控制系統

以計算機為主要工具，以人腦仿真研究為基礎，將人工智能技術、數據挖掘技術、嵌入式技術、人工神經網絡理論等智能化方法用于信息系統、自動化系統和，以實現智能化信息處理和智能化控制。

熱忱歡迎各位老師加入此方向！

第五篇：《智能信息處理》教學大綱

《智能信息處理》教學大綱

一、課程基本信息

課程中文名稱 ：智能信息處理

課程英文名稱 ：Intelligent Signal Processing 課程類型：信息管理及相關專業方向選修課 總 學 時 ：33 理論學時：33 實驗學時：0 學 分 ：3 適用專業：信息管理 先修課程：高等數學、（信號與系統、）概率統計、線性代數、離散 開課院系：信息科學與工程學院

二、課程性質和任務

智能信息處理是就是將不完全、不可靠、不精確、不一致和不確定的知識和信息逐步改變為完全、可靠、精確、一致和確定的知識和信息的方法。智能信息處理是當前科學技術發展中的前沿學科，同時也是新思想、新觀念、新理論、新技術不斷出現并迅速發展的新興學科，它涉及到信息科學的多個領域，是現代信號處理、人工神經網絡、模糊理論、人工智能等理論和方法的綜合應用。

該課程的主要任務是通過各個教學環節，運用各種教學手段和方法，使學生掌握智能信息處理的基本概念、基本原理、基本計算方法；能夠閱讀相關中外文獻，了解其最新動態；培養學生分析、解決問題的能力，為日后從事工程技術工作、科學研究以及開拓新技術領域，打下堅實的基礎。

三、課程教學目標

在學完本課程之后，學生能夠：

1．了解人工智能的概念和應用、智能信息的處理方法綜述；

2．熟悉模型理論的基礎，掌握模糊規則與推理；理解模糊推理系統，了解其在生活中的應用；

3．掌握神經網絡信息處理的基本原理及模型，了解其在生活中的應用； 4．掌握粗糙集的基本理論及其應用，了解其應用；

5．掌握遺傳算法的基本算法及改進算法，了解其應用；

6．掌握信息融合的模型與算法，了解其應用；

7．理解反向選擇算法和人工免疫系統模型；了解人工免疫系統在計算機安全中的應用。

四、理論教學環節和基本要求

（一）人工智能導論

1．理解并掌握人工智能的基本概念和范疇、基本原理和研究方法； 2．理解知識和知識表示的概念，掌握四種表示法； 3．了解常見的智能信息的處理方法及各個處理方法的應用

教學重點：人工智能的基本原理，四種知識表示方法 教學難點： 四種知識表示方法

（二）模糊理論及其應用

1．掌握模糊集合的基本概念、基本運算及隸屬函數的確定方法； 2．理解模糊邏輯系統的組成；3．掌握模糊信息處理方法：模糊熵方法、模糊聚類分析、模糊關聯分析、模糊信息優化方法。4．了解模糊信息處理方法的應用。

教學重點：隸屬函數的確定方法；模糊信息的處理方法。

教學難點：模糊信息的處理方法。

（三）神經網絡信息處理

1．理解人工神經網絡所借鑒的生物學上的人腦神經元的信息處理模式；掌握人工神經網絡的結構、特點、學習方式和工作方式；2．掌握BP神經網絡學習算法，及BP神經網絡建模； 3．掌握貝葉斯神經網絡算法；4．了解Hopfield網絡模型及其算法，熟悉用Hopfield神經網絡優化方法求解TSF；5．理解徑向基函數（RBF）網絡模型； 6．了解不同模型在實際中的應用。

教學重點：典型的神經網絡模型（如BP神經網絡、貝葉斯神經網絡等）及其工作原理。

教學難點：人工神經網絡的相關算法的理解及應用。

（四）粗糙集信息處理

1．掌握粗糙集的理論基礎：等價類、知識約簡等。2．理解粗糙集與模糊集結合、粗糙集與神經網絡結合所構成的模型及其應用。3．掌握基于粗集的貝葉斯分類器算法。4．了解粗糙集理論的研究現狀及發展趨勢。

教學重點：知識約簡算法、基于粗集的貝葉斯分類器算法。

教學難點： 知識約簡算法。

（五）遺傳算法及其應用

1．了解遺傳算法及其應用；2．掌握遺傳算法的基本算法及改進算法； 3.了解基于遺傳算法的生產調度方法。

教學重點：遺傳算法的基本算法及改進算法；

教學難點：遺傳算法的相關算法及應用

（六）信息融合技術及其應用

1．理解信息融合的概念、基本原理、功能模型及相應方法；2．掌握用于目標識別和確認的算法：物理模型類識別算法、基于特征的推理技術和認知模型類識別算法；3．掌握D-S證據理論的基本概念、相關術語及一些關鍵問題； 4．了解信息融合的應用領域及發展趨勢。教學重點：用于目標識別和確認的主要算法、D-S證據理論。

教學難點：D-S證據理論的關鍵問題。

（七）免疫算法

1．了解生物免疫學基礎；2．理解反向選擇算法和人工免疫系統模型；了解人工免疫系統在計算機安全中的應用；3．了解人工免疫系統其他的應用領域。

教學重點：反向選擇算法和人工免疫系統模型。

教學難點：人工免疫系統模型

五、實踐教學環節和基本要求

（一）關于理論教學環節的說明

理論教學內容的選取注重基礎性、實用性、先進性。在教學過程中，教師應根據教學大綱基本要求，結合專業特點和學科發展，及時補充更新內容，將學科研究的最新成果充實到教學中來。

本課程的教學方式應注意以下幾點：

（1）智能信息處理是個飛速發展的領域，知識的老化和更新速度比較快，在教學過程中，應注意逐步提高學生在教師課堂講授的啟發和指引下，獨立鉆研教材、參考資料，增強學生對理論課程的學習興趣，學會利用所掌握的理論知識去分析和解決實際的問題。（2）注重采用現代教育技術進行教學，本課程在授課過程中應采用課堂講授，多媒體教案、CAI課件等現代教學手段。

（3）對于教學的重點與難點內容要講深講透，以課堂講授為主，結合課堂提問、課堂討論、課堂測驗，并充分利用現代化教學手段。講解中必須十分重視培養學生自適應能力和創造性意識，摒棄傳統的灌輸式教學方法，而采用啟發式 教學方法。

（4）考核方式根據教學大綱所規定的教學內容，采取筆試與作業考核相結合的方法，其中筆試成績占70%，平時作業30%。

七、學時分配

每次課3節課，共11周

八、教材及主要教學參考書目 教 材：

[1]熊和金，陳德軍編著.《智能信息處理》.北京：國防工業出版社，2006年.[2]高雋編著.《智能信息處理方法導論》.北京：機械工業出版社，2004年.主要教學參考書：

[1] 王萬森編著.《人工智能原理及其應用》.北京：電子工業出版社，2000年。[2] 閻平凡，張長水編著.《人工神經網絡與模擬進化計算》.北京：清華大學出版社，2000年.[3] 周明，孫樹棟編著.《遺傳算法原理及應用》.北京：國防工業出版社，1999年.[4] 莫宏偉編著.《人工免疫系統原理與應用》.哈爾濱：哈爾濱工業大學出版社，2002年.