现代智能信息处理技术研究

第一篇：现代智能信息处理技术研究

现代智能信息处理技术研究

摘要：现代智能信息处理通过模仿人类和生物的智能行为，把自适应、进化、学习以及模糊等特点有机结合，并将其信号转换为信息，这种方法也被称为计算智能。计算机如今既可以作为数值计算的工具，更可以作为信息处理工具。当前，计算机迅速发展，如何运用计算机来实现信息处理的智能化就被提上日程。智能信息处理技术就是研究这个的一种重要方法。就现代智能信息处理技术，本文作了浅论。

关键词：计算机 现代智能信息处理 技术

中图分类号：TP274 文献标识码：A 文章编号：1007-9416（2015）11-0000-00

信息处理技术加强了对信号的处理和分析，掌握了信号的随时变化。而智能信息处理技术更发展了信息处理技术，诸多不确定、不可靠的信息加工经过智能信息技术的处理，变得确定、可靠，这也正是智能信息处理技术的最大特点。通过智能信息处理后，一些不精确、不确定的信息依然可以从中得到较为确定的结果，已经获取的信息从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。具备智能信息处理能力的产品给人们的生活带来了巨大的方便，良好的经济效益也在同时产生。现在医学上广泛应用的 CT 机就是建立在智能信息处理技术的基础之上的。现代智能信息处理技术的基本原理

现代智能信息处理是信息处理技术的“智能化”，是信息处理技术“方法”的集合。在目前的信息处理过程中，现代智能信息处理技术已经成为最活跃的研究领域，是对信息进行“非线性”、“优化”、“分布式”、“并行”、“决策”处理的最好智能化方法之一。通过现代智能信息处理，原来不完全、不可靠、不精确且不一致和不确定的知识和信息变得可靠、精确、一致、完全乃至确定。智能信息处理涉及到信息科学的多个领域，其综合应用了人工神经网络、模糊理论、现代信号处理以及人工智能等理论和方法。信息科学的多个学科都涵盖其中，从这个意义上说，多个领域都被智能信息处理技术所涉及，智能信息处理技术融合了通信技术、电子技术、计算机技术以及控制技术等。现代智能信息处理技术的主要方法

2.1人工神经网络方法

该方法建立在数学模型和网络模型的基础上。基于数学模型的原因是：在数学模型中，信息处理的基本单元体是人工神经参考大脑神经元。通过有机的组合后，一个复杂的神经网络结构就形成了。这个结构由大量的人工神经元所构成了。而这个结构的基础自然就是单个的人工神经元和各个神经元之间的连接结构。人工神经元在网络模型中按照一定的结构组合成一个完成的模型。

对人工神经元网络模型进行分类，连接方式和信息流动方向是其中一个标准。按照这个标准进行划分，神经网络结构可以划分为两种类型，这两种类型分别为前向型网络和相互结合型网络。这两种模型中后者的信息可以反馈，前者没有信息反馈机制，因此后者也被称为反馈型神经网络模型。

2.2模糊理论

现代智能信息处理技术会面对一些不确定的现象。在研究这些现象时，模糊理论就需要用到了。事物自身就具有不确定性，它是对象差异的中间过渡状态，不受数学理论中二元性原则的束缚，因此难以得到明确的划分。在划分对象时，不明确的标准就使得处理对象具有了一定的模糊性。这就形成了模糊系统的基础，模糊系统即动态模型，这个动态模型具有一定的模糊信息处理能力。通常，模糊系统可以被看成输入和输出的对应关系，该系统由四部分组成，即模糊产生器、模糊规则库、反模糊化器以及模糊推理机，可以被当作连续函数的通用逼近器进行应用。在模糊系统和神经网络的基础上，模糊神经网络得到了研究和发展。

2.3进化算法

在智能信息处理技术中，进化算法是最常用的算法之一，是对生物界中的自然选择定律和遗传定律的学习和借鉴。在优化和机器学习等领域的研究方面，该算法起到了指导作用。遗传算法的工作原理是模拟生物的遗传模型在全局中进行优化搜索。遗传算法的对象是个体。遗传算法正是对个体进行的选择、交叉以及变异操作，这也正是该算法有别于传统算法的独特性质。这种具有很广的应用范围，且算法简单，这两个特点非常有利于信息的并行处理。如今，进化算法经过科学家的研究探索，已经在众多领域得到了广泛应用，如自动控制、图像识别、机器学习等。

2.4信息融合技术

现代智能信息处理技术中，需要加工、利用多种信息，并使其相互补充，信息融合技术的主要研究内容就是获得更加真实、准确的信息。为了实现对目标精确的监测，可以利用多传感器系统，对不确定的信息进行排除，就实现了可靠性的提高。现代智能信息处理的实际应用

3.1该技术在日常生活中的应用

首先，可以实现智能以及自动化操作，这无疑减少人类的脑力劳动量。现代智能信息处理技术还可以识别文字、语音、影像等对象，理解、翻译等工作在机器的帮助下就都可以实现。还可以解决网络阻塞问题。其主要渠道为借助路由器对数据的传输路径进行分析，然后从中得出最佳路径，网络阻塞问题这样得以解决。另外，计算机计算速度不断加快，存储容量不断增大，其成本也不断降低，总之，智能信息处理技术的发展对计算机技术的发展将起到更加有效的促进作用。

3.2自然语言理解技术

计算机能够理解和生成自然语言的技术，这是自然语言理解的主要研究对象。

首先，通过网络好机器人对话。此时现代智能信息处理技术的工作原理是通过网络和机器人进行对话。这是一个比较复杂的系统，包括语言理解、思考以及语言生成就是它所包含的三个部分。具体而言，当我们输入一段话，机器人首先要理解，然后能够根据它的理解，利用它所具有的知识，对此生成一段文字。

其次，机器翻译系统。所谓机器翻译，指利用计算机把一种自然语言转变成另一种自然语言。所谓机器翻译，即完成这个转换的过程就是机器翻译，用以完成这一过程的软件叫机器翻译系统。它的工作原理是：先把一种语言的文章输入到系统中，系统会自动把句子变成单词，接着再辨别词性。通过计算机查阅其中的单词字典，就可以找到一种语言的对应词。之后，为了分析语法，确定语法结构，再查存储在计算机里的语法词典，力图找到另一种语言中与之对应的语法结构。最后，以另一种语言文字的形式输出文章。

参考文献

[1]彭司华.计算智能在生物信息学中的应用研究[D].浙江大学，2004年.[2]杨涛.智能信息处理技术在互联网舆情分析中的应用[D].同济大学，2008年.

第二篇：《智能信息处理》教学设计

《智能信息处理》教学设计

一、教学目标

知识与技能：

（1）了解信息智能处理的方式

（2）知道智能信息处理工具的基本工作过程（3）了解其实际应用价值 过程与方法：

（1）尝试使用信息智能处理工具“手写板”输入文字（2）使用翻译软件进行英汉互译（3）与机器人对话

情感态度与价值观：

感受信息智能处理的魅力，能客观评价信息智能处理给学习和生活带来的变化，激发起学习探索人工智能知识的热情和愿望，为学生今后选修“人工智能”打下基础。

二、内容分析

1、本课内容选自信息技术必修模块(二)信息的加工与表达(4)通过部分智能信息处理工具软件的使用，体验其工作过程，了解其实际应用价值。

2、本节的作用和地位： 沿着技术发展趋势，信息技术自然会涉及到信息智能处理，这是前沿技术在日常应用中的体现。高中学生有必要也有兴趣追求和学习前沿技术。本节内容只是要求学生在使用信息智能处理信息的过程中，对信息智能处理工具进行初步体验，并形成感性认识。

三、重点与难点

教学重点：信息智能处理的实际应用价值 教学难点：信息智能处理的方式

四、学情分析

高一年级学生已经具备了一定的计算机使用经验，但大多数都是常用工具软件以及网络应用，对于信息智能处理工具软件的使用，可能个别学生已经具有一定的使用经验，例如翻译软件、手写板输入等，但教学中还是以注重“启蒙，兴趣培养”为主。

本节教学主题是用部分智能工具处理信息，目标是体验其工作过程，了解其实际应用价值，客观认识人工智能技术对社会的影响，培养正确的科学技术应用观。由于地处信息技术应用欠广泛应用的地区，学生对生活中智能信息处理的工具和环境接触很少，所以教学内容不易过深，过多，重在体验，感悟、兴趣激发。

五、教学过程

导入新课：

一、播放美国电影《人工智能》中关于机器人的视频剪辑，给学生以未来人工智能的引领。

二、引言导入：人们利用计算机来处理信息是为了提高处理信息的效率，代替人来处理信息，但计算机执行的程序目前大多数都是人们预设的，不能根据实际情况的变化像人一样作出灵活的变化，于是智能信息处理成为人们新的研究方向。

三、再看一段介绍IPhone 4s中Siri的视频，让我们的学生了解今天最新的信息智能处理的成果，以激发学生对人工智能的兴趣，引入本课课题：

人工智能：人工智能是相对人的自然智能而言的，是指用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。

课堂活动：

第一部分：模式识别技术

活动一：尝试使用“手写板”和“扫描仪”输入文字；

教师简要介绍慧视小灵鼠的使用和播放“扫描仪的使用”视频；

学生分两组，分别做“小灵鼠手写输入”和“汉王OCR识别”两个活动中的一个，做得快的同学可以完成另一个活动，完成后请同学们谈谈使用心得。

在第一活动结束后，介绍“手写板”的工作方式，人工智能的几大领域。在最后介绍“自然语言处理”领域时，引出第二个学习活动：“使用翻译软件或教师提供的在线翻译网站资源进行英汉文本的互译”。

活动二：使用翻译软件或教师提供的在线翻译网站资源进行英汉文本的互译；

提供英汉两段文本，要求全体学生完成

本活动要根据教学环境来考虑，如果学生机已安装好“金山快译”等翻译软件，就使用此类软件完成学习任务，否则就利用教师提前准备的“在线翻译网站”资源和练习资料完成学习任务。以保证学习的有效性、可操作性为前提。

在第二个活动结束后，介绍“翻译软件”的工作方式，信息智能处理工具的特点。归纳概念：

模式识别:是利用计算机对物体、图像、语音、字符等进行识别的技术。是研究如何从繁杂的信息中提取特征，根据特征识别不同事物的基本原理。如手写输入、指纹识别、语音识别、光学字符识别等。第二部分：自然语言理解 活动三：与机器人聊天

学生使用QQ机器人小Q（QQ号：615050000）与机器人聊天，如果学生没有语言障碍，可以用英文与在线机器人交流。

机器人聊天网站: http://vhost.oddcast.com/support/examples/API/sayAIResponse/sayAIResponse.html

http://www.xiexiebang.com/

在智能处理工具的使用过程中感受其趣味性和喜悦。

学生讨论、总结。

以问题讨论方式，让学生能客观地评价信息智能处理工具。了解人工智能的发展前景，激发学生学习选修“人工智能”的兴趣。

学生完成任务时教师点拨：

（1）观察学生如何使用“手写板”和“扫描仪”输入文字。提示学生体会与使用键盘输入的不同。

（2）利用翻译软件或根据教师提供的在线翻译网站功能，使用英汉互译功能。（3）与机器人聊天时，体会与真人聊天的区别，理解机器思维的特点。（4）在三个活动中，鼓励学生大胆尝试，在技术上要给予帮助。课堂小结：

概念总结：

人工智能：人工智能是相对人的自然智能而言的，是指用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。

模式识别:是利用计算机对物体、图像、语音、字符等进行识别的技术。是研究如何从繁杂的信息中提取特征，根据特征识别不同事物的基本原理。如手写输入、指纹识别、语音识别、光学字符识别等。

自然语言理解：自然语言理解是研究计算机如何运用已有的词法和语法规则，正确理解人们的自然语言，以方便用户使用和表达。它的应用有自然语言对话、机器翻译等。课堂结语：

尽管我们今天体验的信息智能处理工具与Siri相比还有着差距，但相信大家通过努力学习，一定会用上比Siri更高级的智能秘书，也一定可以自己在今后设计出更好的智能处理工具，让我们一道憧憬人工智能的美好明天吧。

第三篇：智能信息处理实验室建设申请书

【项目一：智能信息处理实验室 规划申请立项时间：2013年 】

1.项目建设的总体目标：

（1）总体建设目标：

根据国家对高校教学和科研的要求以及我系的现状，拟建设智能信息处理实验室。通过该实验室的建设，为我系教师提供一个科研平台，凝聚我系科研骨干的力量，带动我系其他教师积极参与科学研究，推动我系科研工作的开展，使得我系科研整体水平有较大的提高。同时，该实验室的建设，也为我系学生提供一个实验教学平台，有助于推动本科教学的改革，有助于培养出符合地方经济和社会发展的应用型和实用型人才，更好地为地方经济建设服务，促进地方经济和社会发展。

（2）项目建设的意义和可行性分析： ①项目建设的意义：

智能信息处理实验的研究方向很多，主要包括：互联网科学(Web science)、智能计算(Intelligentcomputing)、搜索引擎(Search engine)、数据挖掘(Data mining)、优化算法(Optimizationalgorithm)、机器学习(Machine learing)等研究方向。各大高校和研究机构都成立了以智能信息为研究方向的智能信息处理实验室。

我们建设的智能信息处理实验室准备以基础研究、应用基础研究为主，集学术研究、工程应用、人才培养于一体。研究方向主要定位于为多目标优化、智能视频处理、智能控制，神经网络理论、数据挖掘等方向。拟安排具有丰富实际项目研究经验的研究人员带领优秀本科生在以上几个方向组成开发团队，以此培养学生较强的项目设计开发能力，提高学生在算法分析和思维创新方面的能力和一定的科研能力。另外实验室还准备通过建立完善的人才培养机制，吸引我系教师、优秀的本科生依托实验室研究平台积极参加国内国际的各种竞赛。

本实验室建设的意义，并不在于只是简单的给教师、学生提供一个研究、实验、学习的场所和条件，而是要把各种积极的力量凝聚起来，不断的推动我院的科学研究水平。通过实验室的建设，推动建设一支年龄与知识结构合理、勇于创新的优秀研究团队，形成良好的科研传统和学术氛围。通过实验室的建设，也能为安顺市的师资培训、科研创新提供一个平台，有利于推动产学研相结合，使科学研究真正服务于社会、服务于生产实践。无论是教学改革的需要，还是科研进一步推进的需要，我们都迫切希望建成智能信息处理实验室。

②项目实施的可行性分析：

我系成立于1978年，现有专任教师38人，教授3人，副教授13人，硕士学位26人，在读博士4人，在读硕士3人。开设有数学与应数学、计算机科学与技术两个本科专业和数学教育一个专科专业，任课教师具有丰富的实习、实践指导经验。通过多年的教学科研和管理经验的积累，已完全可以胜任实验室的建设和管理。

我系现已有一个稳定的科学研究团队，在各自的研究领域已经做了一定的工作。我系的教师已经承担如下的课题：在思想政治工作方面承担了教育厅资助的《贵州高校大学生感恩意识淡泊状况、归因及培育探究》课题。在自然科学方面，承担且已结题的有教育厅资助的《动态环境投资组合优化模型及算法研究》、《算子代数上的线性映射》，省社科规划办资助的《基于大学生问题意识培养的高等数学教学教学研究》；承担但未结题的有科技厅资助的《动态环境免疫优化算法设计、分析及应用研究》、《公共交通中重点路段的智能监控研究》，联合基金资助的《屯堡村落的数字化研究--以时家屯为例》、《拟稳态微波加热系统中的最优控制理论研究》、《保护隐私的基于GIS路径规划》、《有限群Cayley图的齐次因子分解研究》；省教育厅资助的创新人才支持计划一项。

但因为没有自己的专业实验室，所以我们研究内容中的一些实验项目只能借助贵州大学、贵州民族大学等高校的实验室来完成。这次我校得到中央财政支持地方高校发展专项资金的资助，使得建设智能信息处理实验室具有了经济上的可行性。

综上所述，我系已经在管理措施和科学研究两个方面做好了准备工作。智能信息处理实验室的建设不仅是可行的，而且是很有必要的。2.主要建设内容：

①建设目标：

（1）建立健全各项实验室管理规章制度。通过实验室的建设提高实验室的管理水平和实验教师的教学水平及科研能力，培养及建立一支动手能力强，教学和科研双过硬，专尖结合的师资队伍。

（2）通过深化实验教学改革，优化实验教学体系，创新管理运行机制，建设满足现代实验教学需要、科研需要的高素质的师资队伍，建成仪器设备先进、资源共享、开放管理、绿色环保的实验教学中心，全面提高实验教学水平和实验室效益，满足新时期实施素质教育和培养创新型人才的需要。

（3）依托智能信息处理实验室，通过承担创新项目、科研项目，锻炼教师、学生的科研创新能力。

②建设任务：

该实验室主要用于满足实验教学和科研两方面的要求。实验室的建设应具有较好的研究条件，有助于培养学生初步的研究能力，能给教师提供一个完善的教学科研实验平台。需要完成实验场地基础设施的建设，然后购置实验电脑、打印机、投影仪、服务器等实验器材，完成仪器设备的安装、调试。③规划期内各建设项目及内容：

（1）通过对国内其它高校智能信息处理实验室的调研，形成详细的实验室建设规划，并进行专家论证。

（2）通过正规的招标程序，配备教师实验电脑10台、学生电脑30台、服务器1台、投影仪1台及其其他所必需的实验设备。同时完成实验场地基础设施的建设。

（3）完成智能信息处理课程的实验教学大纲、实验教学指导书的撰写、与修订，以及完成实验、实训讲义的编写。同时需要完成设备的安装、调试及试运行；组织验收；准备有关材料，为中央、省专家组进校评估验收作好充分准备。3.建设资金预算及主要用途

201３年规划总资金53万元，实验室的建设费用预算如下：

（1）教师实验电脑10台、高性能服务器1台，费用共计18万元；（2）学生电脑30台，费用共计15万元；

（3）投影仪、网络设备、计算软件、图像采集设备等，费用共计15万元（4）实验室基础设施建设费用5万元； 4.建设项目实施组织及进度安排

我系将成立智能信息处理实验室建设领导小组负责项目的实施。提供需要购置的设备、场地布线、实验室的维修、改造等相关参数给学院国资处并由其上报市政府，按照政策进行招标。进度安排如下：

2013.6～2013.8：成立智能信息处理实验室建设领导小组，并对原有的设备进行清查。同时完成对国内其它高校相关实验室的建设进行调研。2013.9～2012.11：制定智能信息处理实验室建设的总体规划、建设方案。同时聘请专家对智能信息处理实验室建设规划进行详细论证。

2013.11～2014.1：制定详细的智能信息处理实验室设备购置计划并进行实验室建设的招标。完成实验室管理规章制度的制定。

2014.2～2014.4：完成智能信息处理实验室的建设。完成相关课程的教学大纲、实验教学指导书、实验讲义的编写与修订等。

2014.4-2014.5：各实验室整改发现的问题，提交总结报告。学校组织验收。认真听取专家意见，拟定整改方案并实施。

第四篇：模式识别与智能信息处理

“模式识别与智能信息处理”学科方向研究内容

“模式识别与智能信息处理”是当今发展最快的热点领域，本领域以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统的性能。模式识别与智能处理是现代服务业信息支撑技术之一，是一个理论与实际紧密结合、具有广泛应用价值的重要领域。

一、计算机视觉与图像识别

以信息处理与模式识别的理论、方法和技术为核心，以数学方法和计算机为主要工具，探索对图像、图形（人脸、指纹、虹膜、静脉、步态、车牌等）的信息进行处理、分类、理解，并在此基础上构造具有智能特性的系统。

二、语音合成、识别和理解

研究非特定人大词汇量连续语音识别，语言模型与口语理解，说话人识别，口音识别，语音合成系统，对话系统，人机语音交互技术，音频信号处理、识别，以及语音应用系统开发。

三、计算机控制系统

以计算机为主要工具，以人脑仿真研究为基础，将人工智能技术、数据挖掘技术、嵌入式技术、人工神经网络理论等智能化方法用于信息系统、自动化系统和，以实现智能化信息处理和智能化控制。

热忱欢迎各位老师加入此方向！

第五篇：《智能信息处理》教学大纲

《智能信息处理》教学大纲

一、课程基本信息

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：信息管理及相关专业方向选修课 总 学 时 ：33 理论学时：33 实验学时：0 学 分 ：3 适用专业：信息管理 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：人工免疫系统模型

五、实践教学环节和基本要求

（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，独立钻研教材、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

每次课3节课，共11周

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.