资源介绍
这本书是关于计算智能的专题论文集，由英国伦敦国王学院的H. K. Lam教授与澳大利亚科技大学的S. H. Ling教授、H. T. Nguyen教授共同编辑，2012年由帝国理工学院出版社出版。翻开目录就能感受到这本书的野心——它试图把当代计算智能研究中最热门的四大技术门类整合到一起，让读者看到它们之间的内在联系和各自的应用价值。全书共收录13个章节，清晰地划分为四个板块：进化计算及其应用、模糊逻辑及其应用、神经网络及其应用，以及支持向量机及其应用。这种编排方式对于想要建立完整知识框架的读者来说非常友好，既能纵深了解某一类技术，又能横向对比不同方法在同类问题上的表现差异。编者在前言中道出了这本书的出发点：现实世界的问题往往既复杂又定义模糊，经典的分析方法在面对信息缺失或信息过载时常常束手无策，而计算智能技术凭借其出色的学习和泛化能力，恰恰为解决这类问题提供了有力的工具。这种务实的态度贯穿全书，书中每个章节都配有仿真或实验结果，让方法的有效性不仅仅停留在理论推导层面。在具体内容上，书中讨论的应用场景相当广泛，涵盖模式识别、系统建模、智能控制以及生物医学等领域。比如第一章就用支持向量机和AdaBoost算法来解决人脸姿态估计问题，比较了几种机器学习方法在正面与姿态图像分类上的表现；第二章提出了一种基于粒子群优化的多项式建模方法，在动态环境下的表现优于传统的遗传规划；第三章将粒子群优化与多小波变异结合，用于恢复受损的彩色量化图像，在信噪比和收敛速度上都有显著改善；第四章尤其值得关注，它针对1型糖尿病患者的低血糖检测这一临床难题，利用心电图信号参数和模糊推理模型，实现了一种非侵入式的检测方案，这体现了计算智能在医疗健康领域的巨大潜力。此外，书中还涉及感知器的极限环行为研究、基于信息论准则的特征提取、群体智能算法的优化等内容，既有偏理论的分析，也有贴近工程实际的方案设计。三位编辑来自不同的学术机构，研究背景互补，使得这本书在内容选择上既保持了学术深度，也兼顾了应用的广度。对于计算机科学、电子工程、自动化以及生物医学工程等领域的研究生和科研人员来说，这是一本不错的参考读物，能够帮助他们快速了解计算智能各分支的核心方法与前沿动态。如果你正在寻找一本既能作为教材使用、又能提供研究灵感的工具书，这本2012年出版的论文集值得放在书架上时常翻阅。