第1章  引論
  1.1  研究背景
  1.2  基於模糊信息的智能技術研究現狀
  1.3  智能技術在中醫癥狀鋻別領域的研究現狀
  1.4  主要研究內容
第2章  支持向量機的基本理論
  2.1  間隔超平面
  2.2  支持向量機分類算法
    2.2.1  線性可分情況
    2.2.2  廣義線性可分情況
    2.2.3  非線性可分情況
  2.3  支持向量機回歸理論
  2.4  統計學習理論的核心內容
  2.5  小結
第3章  基於Fuzzy理論的支持向量機
  3.1  預備知識
    3.1.1  模糊機會約束規劃
    3.1.2  分類問題中的模糊信息表示方法
  3.2  模糊分類的支持向量機
  3.3  模糊線性可分類的支持向量機
  3.4  含有模糊信息的廣義線性可分情況
  3.5  含有模糊信息的非線性可分情況
  3.6  閾值的確定
  3.7  實驗分析
  3.8  小結
第4章  支持向量機應用研究
  4.1  支持向量機實現算法研究
  4.2  小二乘支持向量機參數的遺傳算法研究
    4.2.1  小二乘支持向量機
    4.2.2  LS-SVM參數的遺傳算法研究
    4.2.3  控制圖模式數據描述
    4.2.4  模式分類方案設計
    4.2.5  實驗分析
  4.3  支持向量機在燒結礦化學成分預測中的應用
    4.3.1  智能技術在對燒結礦成分進行預測領域的研究現狀
    4.3.2  燒結工藝特點與預測繫統的配置結構
    4.3.3  數據的標準化處理
    4.3.4  非線性回歸估計算法
    4.3.5  實驗分析
  4.4  核心設計源代碼
  4.5  小結
第5章  改進的短距離聚類算法
  5.1  聚類算法
  5.2  鄰近聚類算法
    5.2.1  概念及定義
    5.2.2  基於距離的搜索算法
    5.2.3  基於閾值的鄰近聚類算法
    5.2.4  近鄰聚類算法
  5.3  多重聚類算法
  5.4  實驗分析
  5.5  小結
第6章  仿生計算與基因表達式編程
  6.1  仿生計算
  6.2  基因表達式編程
  6.3  初始種群基因設計
    6.3.1  初始種群產生方式
    6.3.2  基因空間均勻產生方案
  6.4  實驗分析
  6.5  小結
第7章  中醫癥狀鋻別智能診斷繫統
  7.1  中醫癥狀鋻別智能診斷繫統現狀
  7.2  繫統設計
    7.2.1  繫統特色
    7.2.2  方劑知識挖掘子繫統的結構
    7.2.3  方劑知識挖掘子繫統的功能
  7.3  繫統的實現
    7.3.1  數據庫設計
    7.3.2  方劑數據挖掘實施過程
  7.4  數據輸入與預處理
    7.4.1  過濾噪聲數據
    7.4.2  藥名、癥狀、功效規範化
    7.4.3  劑量單位規範化
  7.5  個方分析
    7.5.1  挖掘性、味、歸經
    7.5.2  挖掘功效
    7.5.3  證癥挖掘
    7.5.4  類方分析
  7.6  臨床癥狀鋻別診斷子繫統主要功能
  7.7  核心設計源代碼
  7.8  小結
第8章  圖像分割與影像快速融合
  8.1  基於小波域多尺度Markov網模型的圖像分割方法
    8.1.1  背景技術
    8.1.2  過程描述
    8.1.3  技術上的創新
    8.1.4  附圖說明
    8.1.5  具體實施過程
  8.2  結合MRF和神經網絡的多尺度彩色紋理圖像分割方法
    8.2.1  技術背景
    8.2.2  過程描述
    8.2.3  技術上的創新
    8.2.4  附圖說明
    8.2.5  具體實施過程
  8.3  基於三層FCM聚類的小波域多尺度非監督紋理分割算法
    8.3.1  背景技術
    8.3.2  過程描述
    8.3.3  技術上的創新
    8.3.4  附圖說明
    8.3.5  具體實施過程
  8.4  遙感影像快速融合繫統及實現方法
    8.4.1  背景技術
    8.4.2  技術創新與過程描述
    8.4.3  附圖說明
    8.4.4  具體實施過程
  8.5  基於圖像處理的甲骨碎片綴合方法
    8.5.1  背景技術
    8.5.2  過程描述
    8.5.3  附圖說明
    8.5.4  具體實施過程
第9章  安全設計與信息檢索優化方法
  9.1  無證書盲環簽名方法
    9.1.1  背景技術
    9.1.2  過程描述
    9.1.3  技術上的創新
    9.1.4  附圖說明
    9.1.5  具體實施過程
  9.2  基於身份的門限環簽名方法
    9.2.1  背景技術
    9.2.2  過程描述
    9.2.3  技術上的創新
    9.2.4  附圖說明
    9.2.5  具體實施過程
  9.3  標準模型下基於身份的門限環簽密方法
    9.3.1  背景技術
    9.3.2  過程描述
    9.3.3  技術上的創新
    9.3.4  附圖說明
    9.3.5  具體實施過程
  9.4  基於領域本體的信息檢索優化方法
    9.4.1  背景技術
    9.4.2  過程描述
    9.4.3  技術上的創新
    9.4.4  附圖說明
    9.4.5  具體實施過程
  9.5  基於語義匹配驅動的自然語言知識獲取方法
    9.5.1  背景技術
    9.5.2  過程描述
    9.5.3  技術上的創新
    9.5.4  附圖說明
    9.5.5  具體實施過程
  9.6  基於雙子的自適應雙子和聲優化方法(SGHS)
    9.6.1  背景技術
    9.6.2  過程描述
    9.6.3  技術上的創新
    9.6.4  附圖說明
    9.6.5  具體實施過程
第10章  優化設計與決策支持
  10.1  多專家動態協調評判方法
    10.1.1  背景技術
    10.1.2  過程描述
    10.1.3  技術上的創新
    10.1.4  附圖表說明
    10.1.5  具體實施過程
  10.2  一種錯字字形編輯、編碼和輸入方法及繫統
    10.2.1  背景技術
    10.2.2  過程描述
    10.2.3  技術上的創新
    10.2.4  附圖說明
    10.2.5  具體實施過程
  10.3  基於視覺信息的機器人沿引導線巡線導航方法
    10.3.1  背景技術
    10.3.2  過程描述
    10.3.3  技術上的創新
    10.3.4  附圖說明
    10.3.5  具體實施過程
  10.4  海洋平臺非線性繫統半主動振動控制方法
    10.4.1  背景技術
    10.4.2  過程描述
    10.4.3  技術上的創新
    10.4.4  附圖說明
    10.4.5  具體實施過程
  10.5  基於灰色殘差修正支持向量機模型的燒結礦轉鼓強度預測方法
    10.5.1  背景技術
    10.5.2  過程描述
    10.5.3  技術上的創新
    10.5.4  附圖表說明
    10.5.5  具體實施過程
第11章  智能控制技術
  11.1  連續攪拌反應釜的自適應模糊動態面控制裝置和控制方法
    11.1.1  背景技術
    11.1.2  過程描述
    11.1.3  技術上的創新
    11.1.4  附圖說明
    11.1.5  具體實施過程
  11.2  平板式靜電微執行器的新型控制裝置和控制方法
    11.2.1  背景技術
    11.2.2  過程描述
    11.2.3  技術上的創新
    11.2.4  附圖說明
    11.2.5  具體實施過程
第12章  第四方物流多屬性指派決策機制
  12.1  帶有整合的第四方物流多屬性指派決策機制
    12.1.1  集成定義
    12.1.2  確定整合下的隨機解、正理想解和負理想解
    12.1.3  基於TOPSIS法的帶有整合的決策模型
    12.1.4  遺傳算法實現
    12.1.5  算例求解及分析
    12.1.6  小結
  12.2  無整合的第四方物流多屬性指派決策機制
    12.2.1  問題描述和屬性體繫分析
    12.2.2  基於TOPSIS法的指派決策模型
    12.2.3  遺傳算法實現
    12.2.4  算例求解及分析
    12.2.5  小結
  12.3  基於客戶滿意度的第四方物流多屬性指派決策機制
    12.3.1  客戶滿意度屬性體繫
    12.3.2  建立模型
    12.3.3  計算實例
    12.3.4  小結
參考文獻
後記