第1章緒論

1.1人工智能的概念

1.1.1智能的定義

1.1.2人工智能的定義

1.2人工智能的誕生與發展

1.2.1孕育期

1.2.2形成期

1.2.3蕭條期

1.2.4第二個興旺期

1.2.5穩步增長期

1.2.6中國的人工智能發展

1.3人工智能的主要研究學派

1.3.1符號主義學派

1.3.2連接主義學派

1.3.3行為主義學派

1.4人工智能的主要研究內容

1.5人工智能的主要應用領域

1.6小結

習題

第2章知識表示

2.1知識表示概述

2.1.1知識的概念 

2.1.2知識表示的概念

2.2一階謂詞邏輯表示法

2.2.1命題

2.2.2謂詞 

2.2.3謂詞公式 

2.2.4謂詞邏輯表示

2.2.5謂詞邏輯表示法的特點

2.3產生式表示法

2.3.1產生式表示的基本方法

2.3.2產生式繫統的基本結構

2.3.3產生式繫統的分類

2.3.4產生式表示法的特點

2.4語義網絡表示法

2.4.1語義網絡的基本概念

2.4.2語義網絡的基本語義關繫

2.4.3語義網絡表示知識的方法

2.4.4語義網絡的推理過程

2.4.5語義網絡表示法的特點

2.5框架表示法

2.5.1框架結構

2.5.2框架表示

2.5.3框架表示的推理過程

2.5.4框架表示法的特點

2.6腳本表示法

2.7面向對像表示法

2.7.1面向對像的基本概念

2.7.2面向對像方法學的主要觀點

2.8小結

習題

第3章搜索策略

3.1搜索策略概述

3.2基於狀態空間圖的搜索技術

3.2.1圖搜索的基本概念

3.2.2狀態空間搜索

3.2.3一般圖搜索過程

3.3盲目搜索

3.3.1寬度優先搜索

3.3.2深度優先搜索

3.3.3有界深度搜索和迭代加深搜索 

3.3.4搜索策略的比較 

3.4啟發式搜索

3.4.1啟發性信息和評估函數

3.4.2啟發式搜索A算法

3.4.3實現啟發式搜索的關鍵因素

3.4.4A*算法

3.4.5迭代加深A*算法 

3.5回溯搜索和爬山法

3.5.1爬山法

3.5.2回溯策略

3.6問題規約和與或圖啟發式搜索

3.6.1問題規約

3.6.2與或圖表示

3.6.3與或圖的啟發式搜索

3.7博弈

3.7.1極大極小過程 

3.7.2αβ過程 

3.8小結

習題

第4章確定性推理

4.1推理概述

4.1.1推理的概念

4.1.2推理的分類

4.1.3推理的控制策略

4.2推理的邏輯基礎

4.2.1謂詞公式的永真性和可滿足性

4.2.2置換與合一

4.3自然演繹推理

4.4歸結演繹推理

4.4.1子句集

4.4.2魯濱遜歸結原理

4.4.3歸結演繹推理的歸結策略

4.4.4用歸結原理求取問題的答案

4.5小結

習題

第5章不確定性推理

5.1不確定性推理概述

5.1.1什麼是不確定性推理

5.1.2知識不確定性的來源

5.1.3不確定性推理方法分類

5.2不確定性推理的基本問題

5.2.1表示問題

5.2.2計算問題

5.2.3語義問題

5.3概率方法

5.3.1概率論基礎

5.3.2經典概率方法

5.3.3逆概率方法

5.4主觀Bayes方法

5.4.1規則不確定性的表示

5.4.2證據不確定性的表示

5.4.3組合證據不確定性的計算

5.4.4不確定性推理的計算

5.4.5結論不確定性的合成算法

5.5可信度方法

5.5.1可信度的定義和性質

5.5.2CF模型

5.5.3可信度方法的說明

5.6證據理論

5.6.1證據理論的形式描述

5.6.2證據理論的推理模型

5.6.3證據不確定性的表示

5.6.4規則不確定性的表示

5.6.5不確定性推理計算

5.6.6組合證據不確定性的計算

5.7模糊推理

5.7.1模糊數學的基本知識

5.7.2模糊假言推理

5.8小結

習題

第6章機器學習

6.1概述

6.1.1學習與機器學習

6.1.2學習繫統

6.1.3機器學習的發展簡史

6.1.4機器學習的分類

6.1.5機器學習的應用與研究目標

6.2歸納學習

6.2.1歸納學習的基本概念

6.2.2變型空間學習

6.2.3歸納偏置

6.3決策樹學習

6.3.1決策樹的組成及分類

6.3.2決策樹的構造算法CLS

6.3.3基本的決策樹算法ID3

6.3.4決策樹的偏置

6.4基於實例的學習

6.4.1k近鄰算法

6.4.2距離加權近鄰法

6.4.3基於範例的學習

6.5強化學習

6.5.1強化學習模型

6.5.2馬爾可夫決策過程

6.5.3Q學習

6.6小結

習題

第7章支持向量機

7.1支持向量機概述

7.1.1支持向量機的概念

7.1.2支持向量機的基本思想

7.2統計學習理論

7.2.1學習問題的表示

7.2.2期望風險和經驗風險

7.2.3VC維理論

7.2.4推廣性的界

7.2.5結構風險小化

7.3支持向量機的構造

7.3.1函數集結構的構造

7.3.2支持向量機求解

7.4核函數

7.4.1概述

7.4.2核函數的分類

7.5SVM的算法及多類SVM

7.6用於非線性回歸的SVM

7.7支持向量機的應用

7.8小結

習題

第8章專家繫統

8.1專家繫統概述

8.1.1專家繫統的主要特性

8.1.2專家繫統的結構與類型

8.2基於規則的專家繫統

8.2.1基於規則的專家繫統的基本結構

8.2.2基於規則的專家繫統的特點

8.2.3基於規則的專家繫統舉例

8.3基於框架的專家繫統

8.3.1基於框架的專家繫統簡介

8.3.2基於框架的專家繫統的繼承、槽和方法

8.3.3基於框架的專家繫統舉例

8.4基於模型的專家繫統

8.4.1基於模型的專家繫統的概念

8.4.2基於模型的專家繫統舉例

8.5專家繫統的開發

8.5.1開發步驟

8.5.2知識獲取

8.5.3開發工具及環境

8.6專家繫統設計舉例

8.6.1專家知識的描述

8.6.2知識的使用

8.6.3決策的解釋

8.6.4MYCIN繫統

8.7新型專家繫統

8.8小結

習題

第9章神經計算

9.1人模型

9.2感知器

9.2.1感知器的結構

9.2.2感知器學習算法

9.3反向傳播網絡

9.3.1BP網絡的結構

9.3.2BP網絡的學習算法

9.4自組織映射神經網絡

9.4.1SOM網絡結構

9.4.2SOM網絡的學習算法

9.5Hopfield網絡

9.5.1離散Hopfield網絡的結構

9.5.2離散Hopfield 網絡的穩定性

9.5.3離散Hopfield 網絡的學習算法

9.6脈衝耦合神經網絡

9.6.1PCNN的結構

9.6.2PCNN的學習算法

9.7面向時序數據的神經網絡

9.7.1循環神經網絡及其學習算法

9.7.2長短時記憶神經網絡

9.8深度神經網絡

9.8.1卷積神經網絡

9.8.2注意力機制

9.9小結

習題

第10章進化計算

10.1進化計算概述

10.2遺傳算法

10.2.1遺傳算法的基本原理

10.2.2遺傳算法的應用示例

10.2.3模式定理

10.2.4遺傳算法的改進

10.3進化規劃

10.3.1標準進化規劃及其改進

10.3.2進化規劃的基本技術

10.4進化策略

10.4.1進化策略及其改進

10.4.2進化策略的基本技術

10.5GA、EP、ES的異同

10.5.1GA、ES的異同

10.5.2EP和ES的異同

10.6小結

習題

第11章模糊計算

11.1模糊集合的概念

11.1.1模糊集合的定義

11.1.2模糊集合的表示方法

11.2模糊集合的代數運算

11.3正態模糊集和凸模糊集

11.4模糊關繫

11.4.1模糊關繫的概述

11.4.2模糊關繫的性質

11.5模糊判決

11.6模糊數學在模式識別中的應用

11.6.1模糊模式識別的直接方法

11.6.2模糊模式識別的間接方法

11.7模糊綜合評判

11.8小結

習題

第12章群智能

12.1群智能概述

12.1.1群智能優化算法定義

12.1.2群智能優化算法原理

12.1.3群智能優化算法特點

12.2蟻群優化算法

12.2.1蟻群優化算法概述

12.2.2蟻群優化算法的數學模型

12.2.3蟻群優化算法的改進

12.2.4蟻群優化算法的應用示例

12.3粒子群優化算法

12.3.1粒子群優化算法基本思想

12.3.2粒子群優化算法基本框架

12.3.3粒子群優化算法參數分析與改進

12.3.4粒子群優化算法的應用示例

12.4其他群智能優化算法

12.4.1人工魚群算法

12.4.2細菌覓食算法

12.4.3混合蛙跳算法

12.4.4果蠅優化算法

12.5小結

習題

第13章爭論與展望

13.1爭論

13.1.1對人工智能理論的爭論

13.1.2對人工智能方法的爭論

13.1.3對人工智能技術路線的爭論

13.1.4對強弱人工智能的爭論

13.2展望

13.2.1更新的理論框架

13.2.2更好的技術集成

13.2.3更成熟的應用方法

13.2.4腦機接口

13.3小結

習題

參考文獻

人工智能的誕生與發展是20世紀偉大的科學成就之一，也是新世紀引領未來發展的主導學科之一。人工智能作為一門新理論、新方法、新技術、新思想不斷湧現的前沿交叉學科，相關研究成果已經廣泛應用到國防建設、工業生產、國民生活中的各個領域。人工智能自2016年起進入國家戰略； 2017年3月，在十二屆全國人大五次會議的政府工作報告中，“人工智能”首次被寫入政府工作報告； 2018年，政府工作報告再次強調要加強新一代人工智能研發應用； 2019年，政府工作報告將人工智能升級為“智能 ”； 進入2020年，國家大力推進並強調要加快5G網絡、人工智能、數據中心等新型基礎設施建設進度。人工智能作為一項基本技術，在國家相關政策的支持下正在全面推進與高質量發展，助力提高經濟社會發展的智能化水平、有效增強公共服務和城市管理能力做出努力。
人工智能是一門研究機器智能的學科，即用人工的方法和技術，研制智能機器或智能繫統，以模仿、延伸和擴展人的智能，實現智能行為。作為一門前沿和交叉學科，它的研究領域十分廣泛，涉及專家繫統、模式識別、自然語言處理、智能決策支持繫統、神經網絡、自動定理證明、博弈、分布式人工智能與Agent、智能檢索、機器人學、機器視覺、進化計算、模糊計算等領域。人工智能的長期目標是建立人類水平的人工智能。
與第2版相比，本書的主要改進如下。
本次修訂在原書11章的基礎上，對其進行內容的補充，更新了一些的概念描述，增加了模糊計算與群智能兩個章節。同時，對第2版出現的錯誤進行了修正，並對不合理之處進行了刪減、增加或修改。對書中涉及的所有圖、表進行了重新繪制，統一了公式格式、符號表達以及一些表述，修正了錯別字與語義不通順的部分。
具體修改如下。
第1章： 重新劃分原1.2節人工智能的發展，對每個時期的內容進行對應增刪、修改與調整，並增加了1.2.6節中國的人工智能發展，以幫助讀者更全面地了解。增加了1.4節人工智能的主要內容，修改原1.4節人工智能的應用領域為1.5節人工智能的主要應用領域，調整了原有小節的名稱與相應內容，更新了應用領域，與後文中增加的章節相對應，增強內容的連貫性，使本書更加貼近當前科技的實際發展。
第2章： 修改了章節的引言部分，突出知識表示的研究意義。統一了2.3.1節中規則與事實的先後順序。對每個小節標題都進行了更新修訂，簡化了小節中小標題與內容的描述，使章節結構更加清晰，易於讀者理解。
第3章： 進行了大幅修改，增加了重要算法的描述、代價樹搜索等，使內容更加深入。原3.1節引言改為搜索策略概述，刪除原3.4.3節中A*算法，增加了3.4.4節A*算法，幫助讀者更好地理解A*算法的原理。將原3.4.5節回溯策略和爬山法改為3.5節，並增加了相關算法的具體描述，使得內容更加合理充分。
第4章： 將原4.1.1節推理的概述和類型拆分成4.1.1節推理的概念和4.1.2節推理的分類，使讀者更易理解。拆分原4.2節推理的邏輯基礎為4.2.1節謂詞公式的永真性和可滿足性以及4.2.2節置換與合一，使得內容更有條理、更通順。
第5章： 將不確定性推理中“知識的不確定性”統一為“規則的不確定性”，增加5.3節概率方法，同時對其餘章節進行豐富和完善，主要涉及不確定性知識的表示問題和推理算法的描述問題，重點對可信度方法和證據理論章節中的內容進行細化，使其條理清晰、易懂。
第6章： 重新編寫了6.1節機器學習概述內容以及小結部分，更新了一些概念描述，以增強本書內容的時效性，緊跟人工智能相關技術的發展趨勢。

第7章： 對7.1節進行了調整，增加了支持向量機的概念，使讀者在閱讀本章前先對支持向量機的概念有一定了解，為下文做鋪墊。將圖7.1和圖7.2分開並放在更合理的位置，使其更符合正文描述。豐富了7.1節的內容，使結構更合理。
第8章： 對本章涉及的專家繫統中的概念和表述進行了校正，根據內容對每個小節標題都進行了更新修訂，修訂了小節中的內容描述，提高了本書的可讀性與可理解性。
第9章： 首先對原有的神經網絡模型做了更新，增加了不同類型的激活函數，闡述了傳統神經網絡模型存在的問題，根據這些問題引出了當前廣泛應用的深度神經網絡，從時序神經網絡（包括RNN和LSTM的模型和算法）到應用於圖像數據的卷積神經網絡以及當前引起廣泛關注的注意力機制模型，通過對本領域前沿模型的介紹提高了本書內容的前沿性。
第10章： 將流程圖改為中文版本，增強了整體的統一性，提高了本書的可讀性與可理解性。
第11章： 本章模糊計算為新增章節，與第9章神經計算、第10章進化計算共同構成計算智能的主要內容，並稱為人工智能領域的“三駕馬車”。
第12章： 群智能為新增章節。群智能優化作為一種新興的演化計算技術，在實際中得到了廣泛的應用，是人工智能應用的典型領域之一，本章內容有助於讀者理解人工智能的真諦。
本書對第2版中所有課後習題進行了更新，增刪、修改、調整了部分習題，以幫助讀者更熟練地掌握教材內容。並在配套的電子資源中給出了習題解答，彌補了目前大部分人工智能教材缺少習題答案的不足。
本書共13章，主要內容如下。
第1章緒論，主要討論人工智能的概念、誕生與發展、研究內容、學派之爭、應用領域和發展趨勢等。
第2~5章為人工智能經典的三大基本技術，包括知識表示技術、搜索技術及推理技術，主要為知識表示、搜索策略、確定性推理和不確定性推理。
第6~8章為人工智能的典型應用領域，包括機器學習、支持向量機、專家繫統。
第9~11章為典型的計算智能方法，包括神經計算、進化計算和模糊計算。
第12章為群智能，主要闡述蟻群算法、粒子群算法等群智能優化算法。
第13章為人工智能的爭論與展望，重點討論人工智能存在的不同觀點，以及人工智能對人類的影響與對人工智能未來發展的展望。
本書力求科學性、模塊化、實用性，內容由淺入深、循序漸進，條理清晰，按照“基本智能 典型應用 計算智能”三個模塊，以逐層深入的策略組織內容，以期達到不同專業取舍、不同層次教學研究的需要。
本書包含了編著者多年的科研成果，也汲取了國內外同行的同類教材和有關文獻的精華，這些豐碩成果是本書學術思想的重要源泉，為本書的編寫提供了豐富的營養，在此謹向這些教材和文獻的作者致以崇高的敬意。
本書的編寫得到了中國礦業大學、中國科學院計算技術研究所等各級領導的支持與幫助，中國礦業大學中國科學院智能信息處理聯合實驗室的老師、同學自始至終做了大量的工作，特別是青年教師張健、徐曉，博士生王艷茹、張子晨、王麗娟、張成龍、孫玉婷、杜威、杜淑穎等，在此一並表示感謝。
本書得到了國家自然科學基金項目“復雜大場景感知的廣義深度認知模型與學習研究”（61976216）、“基於譜粒度的廣義深度學習與應用研究”（61672522）等的資助。
本書由IFIP人工智能專業委員會機器學習和數據挖掘組主席、中國人工智能學會副理事長、中國計算機學會會士、中國人工智能學會會士、中國礦業大學兼職教授、中國科學院計算技術研究所博士生導師史忠植研究員擔任主審。
由於人工智能是一門正在快速發展的年輕學科，新的理論、方法、技術及新的應用領域不斷湧現，對其中的不少問題，編著者還缺乏深入研究，再加上編著者的學識水平有限、時間倉促，本書不可避免地存在疏漏，敬請各位專家和讀者不吝指教。
為方便讀者學習，本書配套微課視頻，請讀者掃描封底刮刮卡內二維碼獲得權限，再掃描書中章名旁的二維碼，即可觀看視頻。為方便教師教學，本書配套教學課件、習題答案和教學質量標準，可掃描下方二維碼下載。

丁世飛2021年6月

第2版前言

人工智能的誕生與發展是20世紀偉大的科學成就之一，也是新世紀引領未來發展的主導學科之一。它是一門新理論、新方法、新技術、新思想不斷湧現的前沿交叉學科，相關研究成果已經廣泛應用到國防建設、工業生產、國民生活中的各個領域。在信息網絡和知識經濟時代，人工智能科學與技術正在引起越來越廣泛的重視，必將為推動科學技術的進步和產業的發展發揮更大的作用。
人工智能是一門研究機器智能的學科，即用人工的方法和技術，研制智能機器或智能繫統來模仿、延伸和擴展人的智能，實現智能行為。作為一門前沿和交叉學科，它的研究領域十分廣泛，涉及機器學習、數據挖掘、計算機視覺、專家繫統、自然語言理解、智能檢索、模式識別、規劃和機器人等領域。人工智能的長期目標是建立人類水平的人工智能。
本書為第2版，與第1版相比，主要改動如下。
首先，將第1版的“篇章節”排序方式，改為“章節”排序。
其次，第1章的緒論部分在第1版的基礎上重新編寫，使得內容更加合理； 第2章的謂詞邏輯表示法重新組織與整理，使得內容更條理、更通順； 刪除了第1版2.7節的狀態空間表示法，其部分內容與3.2節基於狀態空間圖的搜索進行了合並； 第4章中，推理的邏輯基礎，刪除了第1版中有關謂詞的概念描述，從而避免了與第2章的謂詞邏輯表示法的概念重復； 第5章中，刪除了第1版的5.2節，其部分內容融於5.1節，增加了模糊推理一節，同時刪除了第1版的模糊計算； 第6章中，重新編寫了6.1節機器學習概述內容，吸收了的一些研究進展； 增加了第7章專家繫統，這是人工智能應用的典型領域之一，有助於讀者理解人工智能的真諦； 刪除了第1版的粒度計算等。
後，在全書內容中對第1版出現的錯誤進行了糾正，對出現的不足進行了改進。
本書分為11章。主要包括： 
第1章緒論，主要討論了人工智能的定義、形成過程、研究內容、學派之爭、應用領域和發展趨勢等。
第2~5章為人工智能經典的三大基本技術，即知識表示技術、搜索技術以及推理技術。包括第2章的知識表示法、第3章的搜索策略、第4章的確定性推理、第5章的不確定性推理。
第6~8章為人工智能的典型應用領域，包括第6章的機器學習、第7章的專家繫統、第8章的支持向量機。
第9章和第10章為典型的計算智能方法，包括第9章的神經計算與第10章的進化計算。
第11章為人工智能的爭論與展望，討論了人工智能對人類的影響與展望。
本書力求科學性、實用性、可讀性好，內容由淺入深、循序漸進，條理清晰，按照“基本智能 典型應用 計算智能”三個模塊，以逐層深入的策略撰寫，以期達到不同專業之取舍、不同層次的教學研究之需要。
本書包含了作者多年的科研成果，也吸取了國內外同類教材和有關文獻的精華，他們的豐碩成果和貢獻是本書學術思想的重要源泉，為本書的撰寫提供了豐富的營養，在此謹向這些教材和文獻的作者致以崇高的敬意。

本書的撰寫得到了中國礦業大學、清華大學出版社等各級領導的支持與幫助，同時中國礦業大學中國科學院智能信息處理聯合實驗室的老師、同學自始至終做了大量的工作，特別是博士生黃華娟、賈洪傑，碩士生趙晗、韓有振、鮑麗娜等，在此一並表示感謝。
本書得到了國家自然科學基金項目“面向大規模復雜數據的多粒度知識發現關鍵理論與技術研究”（61379101）、國家重點基礎研究發展計劃（973計劃）課題“腦機協同的認知計算模型”（2013CB329502）、江蘇省基礎研究計劃（自然科學基金）項目（BK20130209）的支持。
本書承蒙國際信息處理聯合會人工智能專業委員會機器學習和數據挖掘組主席、中國人工智能學會副理事長、中國科學院計算技術研究所博士生導師史忠植研究員擔任主審，在此深表謝意。
由於人工智能是一門正在快速發展的年輕學科，新的理論、方法和技術及新的應用領域不斷湧現，對其中的不少問題，作者還缺乏深入研究，再加上我們的學識水平有限、時間倉促，可能本書沒有完全達到我們所希望的目標，也不可避免地存在各種錯誤和疏漏，敬請各位專家和讀者不吝指教。
丁世飛2014年6月

第1版前言

人工智能的誕生與發展是20世紀偉大的科學成就之一，也是新世紀引領未來發展的主導學科之一。它是一門新思想、新觀點、新理論、新技術不斷湧現的前沿交叉學科，相關研究成果已經廣泛應用到國防建設、工業生產、國民生活中的各個領域。在信息網絡和知識經濟時代，人工智能科學技術正在引起越來越廣泛的重視，必將為推動科學技術的進步和產業的發展發揮更大的作用。
人工智能是一門研究機器智能的學科，即用人工的方法和技術，研制智能機器或智能繫統模仿、延伸和擴展人的智能，實現智能行為。作為一門前沿和交叉學科，它的研究領域十分廣泛，涉及機器學習、數據挖掘、計算機視覺、專家繫統、自然語言理解、智能檢索、模式識別、規劃和機器人等領域。人工智能的長期目標是建立人類水平的人工智能。
本書是作者在自編《人工智能講義》的基礎上，結合多年的教學與科研實踐經驗，吸取國內外人工智能教材的優點，參考國際上的研究成果，由多年從事《人工智能》教學的專家、教授撰寫而成。其中，第1、2章由夏戰國編著，第3章由毛磊編著，第6章由朱紅編著，第8、9章由許新征編著，其他各章由丁世飛教授編著，後由丁世飛教授全面負責通稿、定稿。
本書繫統地闡述了人工智能的基本原理、方法和應用技術，比較全面地反映了國內外人工智能研究領域的進展和研究動態。
全書分為3篇，共13章。
第1篇： 基本人工智能。論述了人工智能的基本理論與技術，包括6章。第1章簡要介紹了人工智能的發展狀況以及各個學派的觀點，並對它的研究與應用領域進行了必要的討論。第2~6章闡述了人工智能的基本原理，包括經典的知識表示、搜索策略、確定性推理、不確定性推理以及機器學習等基本應用領域。
第2篇： 高級人工智能。論述了人工智能的高級理論與技術，主要涉及粗糙集與軟計算、進化計算、模糊計算，以及粒度計算等人工智能的研究熱點，包括6章。第7章闡述支持向量機，第8章闡述神經計算，第9章闡述進化計算，第10章闡述粗糙集，第11章闡述模糊集，第12章闡述粒度計算。
第3篇： 人工智能的展望。討論人工智能對人類的影響與展望，即第13章。
本書力求科學性、實用性、可讀性好，內容由淺入深、循序漸進，條理清晰，采用逐層深入的策略撰寫，以達到適合於不同專業之取舍、不同層次的教學研究之需要。
本書包含了作者多年的科研成果，也吸取了國內外同類教材的有關文獻的精華，他們的豐碩成果和貢獻是本書學術思想的重要源泉，在此謹向這些教材和文獻的作者致以崇高的敬意。特別感謝張鈸院士、李德毅院士、王守覺院士、陸汝鈐院士、史忠植教授、張鈴教授、鐘義信教授、王國胤教授、蔡自興教授、焦李成教授、周志華教授、馬少平教授、梁吉業教授、苗奪謙教授、姚一豫教授、劉清教授以及L.A.Zadeh,V.N.Vapnik,Z.Pawlak等專家的支持與幫助，他們的著作為本書提供了豐富的營養，使我們受益匪淺。
本書的順利撰寫得到了中國礦業大學計算機學院、中國礦業大學教務處等各級領導的支持與幫助，同時中國礦業大學中國科學院智能信息處理聯合實驗室的老師、同學在文字錄入、圖表制作、校對等方面自始至終做了大量的工作，特別是蘇春陽、張禹、李劍英、陳錦榮、顧亞祥、徐麗、齊丙娟、錢鈞、馬剛、佟暢、張文濤等，在此一並表示感謝。
本書得到了國家自然科學基金項目（60975039）、江蘇省基礎研究計劃（自然科學基金）項目（BK2009093）的支持。
本書由國際信息處理聯合會人工智能專業委員會機器學習和數據挖掘組主席、中國人工智能學會副理事長、中國科學院計算技術研究所研究員、博士生導師、中國礦業大學兼職教授史忠植擔任主審。
由於人工智能是一門不斷發展的學科，新的理論、方法和技術及新的應用領域不斷湧現，再加上我們的學識水平及時間有限，可能本書沒有完全達到我們所希望的目標，也不可避免地存在各種錯誤和疏漏，敬請讀者給予批評指正。
丁世飛2010年8月