本书根据测量系统的组成、特点以及信号测量处理的过程，从信号的获取、信号处理到信息融合，系统介绍了智能计算的基础理论和基本方法，以及各种新的智能信息处理技术。内容包括测试系统的组成和信息获取的过程、智能计算的产生和发展、数据融合的基本原理、神经网络计算、支持向量机、模糊集合与模糊逻辑、粗糙集、进化计算中的遗传算法、粒群智能、蚁群智能等的方法和实例，涉及目前国内外智能计算新的研究成果。

智能计算是测试智能信息处理的核心技术，是目前多学科研究和应用的热点，涉及测试技术、电子技术、计算机技术、控制技术等，具有广泛的应用前景。测量技术是信息处理的关键和基础。本书介绍了测试系统的组成、特点以及信号测量处理的过程，给出了数据融合的基本方法，重点介绍了测试智能计算的基础理论和方法。具体内容包括测试系统的组成和信息获取的过程、智能计算的产生和发展、数据融合的基本原理；神经网络计算的基础、神经计算的基本方法、神经计算的实现技术和支持向量机；模糊计算中的模糊逻辑与模糊推理、模糊计算应用和粗糙集；进化计算中的遗传算法、粒群智能、蚁群智能等方法和实例。

本书可作为测控技术、电子科学技术、计算机科学技术、电气工程、控制技术、信息通信技术、机械电子工程等专业的研究生、高年级本科生的教材和参考书，也可供相关工程技术人员和科技工作者作为专业参考书。

第1篇 绪论

1 测试智能信息处理概述

 1.1 测试智能信息处理的产生及发展

1.1.1 测试系统的组成与特点

1.1.2 智能计算的产生与发展

 1.2 智能信息处理的主要技术

1.2.1 神经计算技术

1.2.2 模糊计算技术

1.2.3 进化计算技术

 1.3 智能技术的综合集成

1.3.1 模糊系统与神经网络结合

1.3.2 神经网络和遗传算法结合

1.3.3 模糊技术、神经网络和遗传算法综合集成

1.3.4 智能计算展望

 参考文献

2 数据融合与信息处理

 2.1 多传感器数据融合概述

 2.2 多传感器数据融合的基本原理

2.2.1 多传感器数据融合的目的

2.2.2 多传感器数据融合的层次与结构

2.2.3 数据融合中的检测、分类与识别算法

2.2.4 典型的数据融合方法

2.2.5 多传感器数据融合方法的特点

 2.3 分布式自适应动态数据融合方法

2.3.1 测量模型与方法简述

2.3.2 测量数据范围的推导

2.3.3 最优范围的确定

 2.4 小结

 参考文献

第2篇 神经计算

3 神经计算基础

4 神经计算基本方法

5 神经计算实现技术

6 支持向量机

第3篇 模糊计算

7 模糊逻辑与模糊推理

8 模糊计算的应用

9 粗糙集

第4篇 进化计算与群智能

10 遗传算法

11 禁忌搜索算法

12 粒群智能

13 蚁群智能