1、智能信息处理是干什么的？举 2 到 3 个例子说明智能信息处理在生活中的应用。是利用计算机对物体、图像、语音、字符等进行自动识别的技术，它的一般过程包括：样本采集、信息的数字化、预处理、数据特征的提取、与标准模式进行比较、分类识别。例子：图形识别及语言识别。如手写汉字的识别、语音识别、数据挖掘、智能检索都是智能信息处理的应用实例。第一章模糊集合(Fuzzy Set)模式识别(Pattern Recognition)模糊模式识别(Fuzzy Pattern Recognition)粗糙集(Rough Set)蚁群算法(Ant Colony Optimization, ACO)生物神经网络(Bio
2、logical Neural Network, BNN)生物神经元(neuron)径向基函数 RBF（Radial basis function）SOM网络：Self -Orginazing Maps network 自组织网络 /*了解 旅行商问题（TSP, traveling salesman problem）知识库(Knowledge Base)下近似集(Lower Approximation Set)上近似集(Upper Approximation Set)不可分辨关系( indiscernibility relation)称为等价关系约简(Reduction)“信息素”（pherom
3、one ）考模糊集合的表示：（1）是离散的（2 ）是连续的考并、交、补考基于隶属度的模糊判别：考最大最小贴近度、欧几里得贴近度、欧氏距离、曼哈顿距离、切比雪夫距离、马氏距离、内积、外积聚类的定义：聚类是把有相似属性的元素归并成一组的分组过程。因此，同一个类别中的元素都相似，不同类别中的元素都相异。聚类算法的分类：1、排他式聚类 例如：K 均值聚类；2、重叠式聚类 例如：模糊 K 均值聚 类；3、分级聚类 例如：合成聚类。说明：C 均值聚类和 K 均值聚类是一个 东西；相应地，模糊 C均值聚类和模糊 K 均值聚类说的也是一回事。C 或 K 的含义相同，都表示聚类的数目，只是不同的作者用的不同的字
4、母来表示。聚类中心 mi 的确定：随机抽取 C 个样本，把它们作为 mi，i=1,2,CC 均值聚类算法过程（1）适当选择 c 个类的初始中心；（2）在第 k 次迭代中，对任意一个样本，求其到 c 个中心的距离，将该样本归到距离最短的中心所在的类；（3）分别计算每一类的均值，并用之来更新该类的中心值；（4）对于所有的 c 个聚类中心，如果利用（2） （3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。C 均值聚类算法的最大优势在于简洁和快速。其关键在于初始中心的选择和距离公式。模糊聚类模糊 C 均值聚类算法定义：通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以
5、达到自动对样本数据进行分类的方法。表示 xi 到 mj 的距离的平方注：以上准则函数及其各个字母的含义是重点模糊 C 均值聚类算法的原理说明： 需要通过mj 来表 示，同时，m j 也需要通过来表示，所以需要用迭代的方法来估计聚类中心即，注：以上模糊 C 均值算法的步骤是重点第二章:人工神经网络考什么是人工神经网络考什么是前馈神经网络，两层计算单元的前馈神经网络结构注：图片给的是三层的考试考两层的考BP 神经网络的激活函数的形式与要求考什么是BP神经网络具体解释：考BP 训练的目标函数（准则函数）是什么考BP 神经网络的应用：分类与回归考BP 神经网络的训练过程步骤第四节 支持向量机1.考英文
6、，svm 的标准形式2. SVM 始于两类问题的解决需求( 即是或否 ,0 或 1 的问题)3较好的分类标准下面举例说明（看懂图）4.svm 的判别函数及参数说明参数说明：5.如何用两类分类 svm 求多类 svm？并举例 。用两类 SVM 分类模型实现多类分类结果的方法和过程。答：共有两种方法。1、成对分类法。 2 一类对余类法。以手写体数字 09 的识别过程为例说明：1、成对分类法是说训练 等于 45 个两类分类模型，每一个都是一种元素对另一种元素的分类模型。计算样本关于每个 SVC 的分类结果，所得结果为 1 的那一类票数加 1。所有的分类模型都算完之后，统计哪一类得票数最多，就将该样本
7、归到那一类中去。2、一类对余类法是说训练 10 个两类分类模型，每个模型分别对应一个元素与其余元素的分类，计算样本关于每个 SVC 的分类结果，如果决策 0 为正类则 0 类得票加 1，如果 0 决策为负类，则 19 每一类得票都加 1。所有的分类模型都算完之后，统计哪一类得票数最多，就将该样本归到那一类中去。第五节：梯度下降法和遗传算法1.梯度下降法(1)给定目标函数（可能具体可能抽象） ，求最值的步骤梯度下降法的例子：(2)公式表示2.遗传算法基本流程，基本原理，术语，基本运算（主要了解，为更好理解下面的例子）/*了解3遗传算法步骤（对照上边的流程图理解，为理解下面例子）（包括选择，交叉，变异。其中了解常见的选择算法： ）*/考遗传算法例子（重要）：
