本书是以作者多年来从事人工智能研究的经验为基础，并广泛参考了国内外最新研究资料编写而成的。本书从人工智能的本源问题出发，着重介绍了人工智能各领域的概念体系、方法体系、经典算法与新的流行算法以及当前人工智能的研究热点——机器学习和机器视觉。
本书可供高等院校人工智能相关专业本科生、研究生作为教材或参考书使用，也可供相关科研及工程技术人员阅读。
本书适合作为普通本科院校人工智能相关专业的专业基础课教材。
人工智能是一个新兴的研究热点，它引起了全世界人们的关注，甚至成为很多国家的国家战略。随着人工智能研究的进展和技术的进步，人工智能正在进入和影响着我们的生活，在某些方面已经超越了人类智能。人类社会正在朝着人工智能时代前进，而且前进的速度越来越快，在可预见的未来，人工智能会大量融入和改变人类社会。在此背景下，为了帮助人们学习和掌握人工智能的理论与方法，作者以自己多年来从事人工智能研究的经验为基础，并广泛参考了国内外最新的研究资料而编写了本书。
本书从人工智能的本源问题出发，介绍了构成人工智能体系的知识表示、搜索的原理与算法、推理技术、机器学习、机器视觉及分布式人工智能与多Agent系统，着重阐述了不同领域的概念体系和方法体系，对比了不同的研究思路及进展情况，并将各领域的经典算法与新的流行算法涵盖其中。同时，本书将作者最新的工业应用研究成果、文献所见最新成果及经典案例作为实例，对人工智能方法的应用进行了剖析。
本书共7章，第1、3、4章及第5章的5.1节、5.4节和5.5节由王春林编写，第2、7章由柏建军编写，第6章由徐生林编写，第5章的5.2节和5.3节由郭宝峰编写。
在本书的编写及出版过程中，一些学生参与了资料收集和初稿整理工作，西安电子科技大学出版社的陈婷和王瑛编辑付出了辛勤的劳动，杭州电子科技大学及其自动化学院（人工智能学院）提供了大力支持，在此，向相关单位和个人表示衷心的感谢！同时对有关参考文献的作者也表示感谢!
由于编者水平有限，书中不足之处在所难免，敬请广大读者批评指正。
第1章 人工智能概论 1
1.1 人工智能的概念及发展历史 1
1.1.1 人工智能的概念 1
1.1.2 人工智能的发展史 3
1.2 人工智能的研究方法与涉及的学科 5
1.2.1 人工智能的研究方法 5
1.2.2 人工智能涉及的学科 7
1.3 人工智能的应用领域 9
1.3.1 人工智能应用概况 9
1.3.2 工业领域的应用 9
1.3.3 商业领域的应用 10
1.3.4 金融领域的应用 10
1.3.5 农业领域的应用 11
1.3.6 其他领域的应用 12
1.4 人工智能面临的挑战与未来 12
1.4.1 人工智能面临的挑战 12
1.4.2 人工智能的未来展望 13
小结 14
习题1 14
本章参考文献 14
第2章 知识表示 15
2.1 知识与知识表示方法的分类 15
2.2 逻辑表示法 17
2.2.1 命题逻辑 17
2.2.2 谓词逻辑 17
2.2.3 谓词逻辑表示的特点 21
2.3 产生式表示法 21
2.4 语义网络表示法 23
2.5 框架表示法 24
2.5.1 框架的基本结构 24
2.5.2 框架系统 25
2.6 状态空间图表示法 26
小结 27
习题2 27
本章参考文献 28
第3章 搜索的原理与算法 29
3.1 搜索问题与过程 29
3.1.1 盲目搜索 31
3.1.2 启发式搜索 34
3.2 搜索算法 37
3.2.1 遗传算法 37
3.2.2 粒子群算法 41
3.2.3 蚁群算法 45
3.3 应用实例 49
小结 52
习题3 52
本章参考文献 52
第4章 推理技术 54
4.1 推理的分类与策略 55
4.1.1 推理的分类 55
4.1.2 推理的策略 56
4.2 消解原理 58
4.2.1 子句集的求取 58
4.2.2 消解推理规则 60
4.2.3 消解反演求解过程 61
4.3 规则演绎系统 62
4.4 产生式系统 65
4.4.1 产生式系统的结构 65
4.4.2 产生式系统的表示 66
4.4.3 产生式系统的推理 67
4.5 定性推理 68
4.5.1 定性推理概述 68
4.5.2 定性推理方法 68
4.6 不确定性推理 69
4.6.1 不确定性的表示 70
4.6.2 概率推理 71
4.6.3 模糊逻辑推理 72
4.7 非单调推理 74
4.7.1 表现形式 75
4.7.2 默认推理 77
小结 77
习题4 77
本章参考文献 78
第5章 机器学习 79
5.1 机器学习概述 79
5.2 机器学习的分类 80
5.3 机器学习的主要算法 82
5.3.1 人工神经网络 82
5.3.2 支持向量机 85
5.3.3 集成学习 93
5.3.4 深度学习 96
5.4 机器学习应用实例 108
5.4.1 支持向量机应用实例 108
5.4.2 BP神经网络应用实例 112
小结 113
习题5 114
本章参考文献 114
第6章 机器视觉 116
6.1 机器视觉概述 116
6.1.1 机器视觉的概念 116
6.1.2 机器视觉的应用领域 117
6.1.3 机器视觉的发展 119
6.1.4 Marr视觉理论框架 120
6.1.5 机器视觉系统的构成 123
6.2 图像与图像采集 124
6.2.1 照明 125
6.2.2 镜头 127
6.2.3 摄像机 128
6.2.4 图像及其表达 129
6.3 图像预处理 130
6.3.1 图像预处理概述 130
6.3.2 像素亮度变换 131
6.3.3 图像几何变换 132
6.3.4 图像平滑滤波 136
6.3.5 一阶微分边缘算子 138
6.3.6 二阶微分边缘算子 145
6.4 图像分割 149
6.4.1 图像分割概述 149
6.4.2 基于阈值的图像分割 149
6.4.3 基于边缘的图像分割 152
6.4.4 基于区域的图像分割 158
6.4.5 其他图像分割法 160
6.5 其他图像分析方法 161
6.5.1 数学形态学 161
6.5.2 纹理分析 169
6.5.3 运动分析 176
6.6 摄像机的标定 183
6.6.1 概述 183
6.6.2 机器视觉常用坐标系 184
6.6.3 摄像机透视投影模型 186
6.6.4 摄像机透视投影近似模型 188
6.6.5 摄像机的非线性优化目标函数和求解方法 190
6.6.6 常用摄像机标定方法 193
6.6.7 摄像机标定在工程中的应用案例 200
6.7 3D立体视觉 204
6.7.1 双目立体视觉的原理 205
6.7.2 双目立体视觉的系统结构 207
6.7.3 双目立体视觉的对应点匹配 211
6.7.4 双目立体视觉的系统标定 217
6.7.5 影响双目立体视觉精度的因素 218
小结 219
习题6 220
本章参考文献 221
第7章 分布式人工智能与多Agent系统
223
7.1 分布式人工智能系统的特点 223
7.2 分布式问题求解 224
7.2.1 DPS系统的结构 224
7.2.2 DPS系统的求解过程和方法 225
7.3 Agent系统 225
7.3.1 Agent的定义 225
7.3.2 Agent的特点 226
7.3.3 Agent的结构分类 227
7.4 Agent通信语言 229
7.4.1 Speech-Act理论 230
7.4.2 KQML 230
7.4.3 FIPA ACL 234
7.4.4 面向Agent的开发工具与环境 234
7.5 多Agent系统 235
7.5.1 多Agent系统的体系结构 236
7.5.2 多Agent系统的协作机制 237
小结 239
习题7 239
本章参考文献 239
书单推荐
