第1章 智能信息处理导论

1、1,智能信息处理导论,李丽娜 llncs,2,3,随着计算机技术全面融入社会生活，信息爆炸已经累积到了一个开始引发变革的程度。 移动互联(微博)、社交网络(facebook)、电子商务(淘宝)、物联网、车联网、GPS等极大的拓展了互联网的边界和应用范围，各种数据正在迅速膨胀变大。大数据 特点： 海量的； 类型繁多(异构的，不同形式，如文本、图像、视频等)； 用途多样(渗透到多领域，金融、食品、医疗、交通、军事等); 快速获得(实时信息多). 价值： 数据处理； 统计和分析； 数据挖掘：关联规则分析、分类、聚类； 对未来趋势与模式的可预测分析：模型预测、机器学习等。 应用： 淘宝用户行为分析推荐商品；移动互联网分析上网记录热门话题；,3,4,课程说明,一、智能信息处理 智能信息处理是计算机科学中的前沿交叉学科，是应用导向的综合性学科，其目标是处理海量和复杂信息，研究新的、先进的理论和技术。 智能信息处理研究涵盖基础研究、应用基础研究、关键技术研究与应用研究等多个层次。 二、开设智能信息处理课程的必要性： (1) 国家信息化发展的需要：国家20062020年国家信息化发展战略规划中指出，信

2、息化是充分利用信息技术，开发利用信息资源，促进信息交流和共享，提高经济增长质量，推动经济社会发展转型的历史进程。 (2) 信息学科理论发展的需要：计算机处理的知识显现出不确定、不完全、不精确的特性，传统信息处理技术无法满足信息处理的需要。 (3) 培养高素质信息处理人才的需要,3,5,三、国内主要科研机构 吉林大学智能信息处理、知识工程、计算智能； 中国科学院智能信息处理重点实验室、复旦大学上海市智能信息处理重点实验室、南开大学智能信息处理实验室、大连理工大学智能信息处理实验室； 西南交通大学智能信息处理实验室、中国矿业大学-中国科学院智能信息处理联合实验室、成都信息工程大学智能信息处理实验室。 主要研究方向 复旦大学：知识科学、文本处理、算法分析、语义网、认知科学、网格计算、量子计算、图像识别、机器学习； 南开大学：图像/视频处理、音频/语音信息处理、信息检索、计算语言学（自然语言处理）； 中科院：知识网格、智能科学、大规模知识处理、自然语言理解和翻译、基于图像的人机交互、多媒体信息的编码与理解、大规模高维数据可视化等。 大连理工：互联网科学、智能计算、搜索引擎、数据挖掘、优化算法、

3、机器学习。,6,四、研究内容 智能信息处理方法 不确定性信息处理（模糊集与粗糙集理论）、 人工神经网络、进化计算（遗传算法）、 群体智能（蚁群算法、粒子群算法）、 人工免疫、量子算法、 数据挖掘（分类、聚类分析）、 混沌信息处理、分形信息处理、 信息融合技术； 智能信息处理技术的应用 智能通信、机器人、模式识别、图像处理、工业控制、聚类分析、计算机视觉、目标识别、智能交通、智能医疗等,5,7,实例,高速公路限速控制器 (神经网络RBF神经网络) 雷达天线对复杂背景下的雷达目标进行扫描搜索时，可能出现只有一个真实目标却检测到多个目标点迹的情形，即目标冗余。目标冗余处理可以准确提取目标数目和目标位置，是目标识别的关键技术之一。(模糊聚类分析) 手写文字识别 (粗糙集理论) 仿真试验：两个移动机器人，一个扮演猎手的角色，另一个扮演猎物的角色，猎手对猎物进行跟踪和捕捉。(机器人的控制系统采用基于神经网络的控制结构，机器人之间的竞争进化采用基于复数的遗传算法实现),8,五、课程设置 理论课16学时，考核方式：闭卷考试； 实验课16学时，实验报告； 成绩：平时、考试、实验。 书籍 智能信息处理与应

4、用 2010年电子工业出版社 李明 智能信息处理技术基础2008年天津大学出版社 张炳达 智能信息处理技术2003年高等教育出版社，王耀南 智能信息处理2012年国防工业出版社，熊和金等编著 智能信息处理导论 2013年清华大学出版社 孙红主编 智能信息处理方法导论 2004年机械工业出版社 高隽编著,7,9,第1章 概述,智能信息处理概念 智能信息处理的产生与发展 研究内容 本课程讲述的主要技术 展望,8,10,1.1 智能信息处理概念,1、信息处理： 随着人类认识世界过程的深入，人类的知识也在不断丰富和更新，出现不完全、不可靠和不确定的特性，传统技术无法满足信息处理的需求。 智能信息处理技术 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过程和方法，就是利用对不精确性、不确定性的容忍来达到问题的可处理和鲁棒性。,9,信息 抽取,信息 传输,信息 处理,知识 应用,数据源,11,不确定性：真实性不能完全肯定，而只能对其为真的可能性给出某种估计，“如果头疼发烧，则大概患了感冒” 不完全：“生物学中的基因”； 不可靠：“中奖短

5、信息”； 不一致：“医疗诊断，不同医生对同一病症有不同结论”； 不精确（模糊性）：其含义不够确切，“小王是高个子” 2、智能的涵义非常广泛，包括： 知识如何获取、表达和存储； 智能行为如何产生和学习； 传感器信号如何转换成各种符号； 怎样利用各种符号执行逻辑运算，进行推理及规划； 甚至包括动机、情感如何发展和运用； 智能机制如何产生幻觉、信念等现象。,10,12,智能信息处理可蕴含多种理论和方法， 如何运用计算机来实现信息处理的智能化，如：研究和模拟人的认知和推理能力； 如何将信息处理以便于人的分析和理解， 如何从大量信息中挖掘和发现有价值的知识； 如何利用不同信息的互补性和冗余性来提高信息处理和决策的可靠性和精确性等。,13,实际生活中的应用,14,15,文字识别,指纹识别,智能机器人NAO 世博会法国馆吉祥物,16,3. 智能信息处理的特点 智能信息处理涉及到信息科学的多个领域，是现代信号处理、人工智能和计算智能等理论和方法的综合应用。 智能信息处理的基础理论：信息融合、神经网络、模糊计算、进化计算、协同计算等 智能信息处理的对象：广泛地模拟人的智能来处理各种复杂信息，包括非结构化

6、信息、海量信息、不完全信息、不确定信息、不精确信息、不一致信息、多媒体信息、时间空间信息、认知信息等。,17,1.2 智能信息处理的产生和发展,现代智能信息处理方法的核心概念是智能。智能包括3个层次，即生物智能、人工智能和计算智能。 1、生物智能是由人脑的物理化学过程体现出来的，其物质基础是有机物。 2、相对生物智能而言，人工智能则是非生物的，是人为实现的，通常采用符号表示。人工智能的基础是人类的知识和传感器测量得到的数据。 3、计算智能是由计算机软件和现代数学计算方法实现的，其基础是数值方法和传感器测量得到的数据。 概括的说，上述3个层次的智能分别由有机过程、符号运算和数值计算实现，且人工智能和计算智能都依赖于现代测试系统的信息获取过程。,16,18,智能信息处理最早起源于20世纪30-40年代，但长期发展缓慢。传统意义上的智能信息处理依赖于人工智能技术和方法。 数字计算机应用后，以人工智能符号运算、推理为基础的智能信息处理有了一定发展，在智能仪器、自动跟踪监测仪器系统、自动控制与制导系统、自动诊断系统等领域得到了一定应用。 此阶段的智能信息处理系统的共同特点是模仿或代替与人的思维有

7、关的功能，通过逻辑符号处理系统的推理规则来实现自动诊断、问题求解以及专家系统智能。 随着测试和信息技术的飞速发展，传统方法不能适应信息量迅速增大的需求，无法满足人们对智能信息处理系统在实时性、可靠性和智能性等多方面的要求。基于计算智能的智能信息处理能克服这些不足，近年来得到了长足发展。,17,19,计算智能与人工智能的区别主要在于：计算智能采用数值计算方法对测试数据进行分析处理，而不是基于某种给定的规则或知识进行处理。 目前而言，基于计算智能方法的智能信息处理主要包括人工神经网络、进化计算、模糊逻辑、小波分析等方法。 人工神经网络是模仿延伸人脑认知功能的一种现代智能信息处理方法，大脑是人类智能、思维和意识等一切高级神经活动的物质基础，因此通过构造具有类似人脑智能的智能信息处理系统，可以解决传统方法所不能或难以解决的信息处理问题。 进化计算的提出也源于仿生学的研究。它是从生物进化的机理中发展出的适合于现实世界复杂问题优化的进化算法。其理论基础是达尔文进化论，借鉴了进化生物学的遗传、变异、自然选择等理论。,18,20,进化计算包括遗传算法和近年来发展起来的微粒群算法等。遗传算法是模拟达尔文

8、的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。在机器学习、模式识别、图像处理、最优控制等领域得到了广泛的应用。 蚁群、微粒群算法是近年来新发展起来的一种进化计算技术，主要源于对蚂蚁、鸟类群体行为进行建模与仿真研究结果。 现代智能信息处理方法的一个重要应用领域是模糊信息的处理。随着系统复杂程度不断提高，人们对精确而有意义的描述的能力不断降低，以至于在达到一定阈值之后，系统的精确性和复杂性之间呈现出几乎相互排斥的性质。因此有必要研究能够处理模糊性和不确定性的智能信息处理方法。,19,21,模糊理论是能够处理信息不确定性的方法。它模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及非线性的控制对象，应用模糊集合和模糊规则进行推理，解决难于处理的模糊信息问题。 综上，基于人工神经网络、进化计算和模糊理论的现代智能信息处理方法，借鉴生物智能的研究成果，运用现代计算方法，能实现自适应、并行、高度非线性的智能信息处理系统。,20,22,1.3 研究内容,图像处理，如实现医学图像(CT图像、超声图像等)的图像分割、三维重建、诊断分

9、类建模、辅助诊断等；如对卫星和航拍的遥感图像进行纹理分析和建模，用于军事、自然灾害预报、资源勘探等； 计算智能(人工神经网络、遗传算法等)、人工智能 数据挖掘，综合运用人工智能、计算智能、数理统计等技术从大量数据中挖掘有价值和隐含的知识，如聚类分析； 数据融合，利用不同信息源数据的互补性和冗余性提供信息处理的精确性，如目标识别； 数据可视化，将数据转换为图像显示出来； 数据分析，如中央银行对各支行业务进行统计； 。,23,信息融合,多源信息融合技术是研究对多源不确定性信息进行综合处理及利用的理论和方法，即对多个信息源的信息进行多级别、多方面、多层次的处理，产生新的有意义的信息。 信息融合最早应用于军事领域，是组合多源信息和数据完成目标检测、关联、状态评估的多层次、多方面的过程，其目的是获得准确的目标识别，完整而及时的战场态势和威胁评估。 随着传感器技术、计算机科学的发展，各种面向复杂应用背景的多传感器系统大量涌现，使得多渠道的信息获取、处理和融合成为可能，多源信息融合技术成为智能处理的一个重要研究方向，应用到金融管理、心理评估和预测、医疗诊断、气象预报、辅助军事决策、遥感遥测等领域。,22,24,1.4 本课程讲述的主要技术,模糊理论 模糊集的概念和运算、模糊逻辑、模糊推理 粗糙集 定义、粗糙集信息处理方法、应用举例 神经网络 生物学原理、结构、BP网络、RBF网络 遗传算法 思想来源、基本算法、应用举例、改进 蚁群算法 原理、基本流程、改进以及应用 免疫算法 免疫概念、算法流程、应用,23,25,1.5 展望,智能信息处理涉及人工智能、信号处理、计算智能等多个领域，其积极意义在于促进了基于计算和物理符号结合的各种智能理论、模型的发展，功能更强大，并能够实现更复杂系统的智能行为。 目前研究关注于各种智能信息处理技术的结合，以及技术在更广泛领域的应用。 如模糊技术、神经网络和遗传算法综合集成；神经网络与模糊系统和进化计算结合；神经网络与近代信号处理方法小波、分形结合；专家系统与模糊逻辑、神经网络的结合，以便有效地模拟人脑的思维机制，使人工智能导向生物智能。,24,

《第1章 智能信息处理导论》由会员今***分享，可在线阅读，更多相关《第1章 智能信息处理导论》请在金锄头文库上搜索。