摘要
数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点，基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。论文主要论述了利用MATLAB实现对图像中的三角形，正方形，圆，椭圆，菱形的边缘提取和自动识别分类。
关键词：MATLAB；数字图像处理；图像形状；图像分类
目录
1 引言 (2)
1.1 课题研究目的及意义 (2)
1.2 国内外研究现状 (2)
2 数字图像形状及预处理 (3)
2.1 概述 (3)
2.2 数字图像的预处理 (4)
2.2.1 数字图像 (4)
2.2.2 采样 (6)
2.2.3 量化 (6)
2.2.4 采样、量化和图像细节的关系 (7)
2.3 几种典型的形状特征描述方法 (7)
3 形状特征及提取分类 (8)
3.1 矩形度 (9)
3.2 圆形度 (9)
3.3 矩 (10)
3.4 不变矩 (10)
3.5 基于不变矩的形状特征提取 (11)
3.5.1 特征提取步骤 (11)
3.5.2 边缘提取算子的确定 (11)
3.5.3 边缘提取常用算子 (11)
3.5.4 Canny算子 (12)
3.6 边缘提取实验结果及分析 (14)
3.6.1 边缘提取算法分析 (14)
3.6.2 图像形状识别结果 (14)
结论 (24)
参考文献 (25)
附录： (26)
1引言
本章简略介绍课题的研究目的及意义，该课题国内外研究现状以及论文内容安排等。
1.1 课题研究目的及意义
随着信息化多媒体时代的到来及世界范围内Internet的风行，人们在工作和生活中越来越多的接触到大量的各种各样的图像信息。图像作为一种重要的信息载体，具有直观、内容丰富、无语言限制和便于国际交流等特点，是组成多媒体信息的重要内容。图像处理技术已经广泛深入的应用于各行各业中。设计制造、医疗卫生、艺术文化、建筑工程、地理、公安等领域相继建立了各种图像库。
在浩如烟海的信息中，寻找感兴趣的资料是极其耗时的，人们对信息检索和系统的依赖日益加强。图像的特征提取是基于内容的图像检索系统部分的核心内容。
本文研究的重点就是如何从静态图像中提取出图像的形状特征。
典型框架是：对图像的形状进行人工标注分类。这种方法当图像数量不大时，不失为一种简单易行的方法。然而，当图像数据量非常庞大时，基于文本的图像检索存在着诸多困难，此时图像形状的自动识别就派上用场了。
1.2 国内外研究现状
因为图像特征提取及识别具有很强的实用性，国内外测绘界、计算机视觉、模式识别与人工智能等领域都对其进行了深入研究。国外如美国的Mckeown实验室、英国的VGG实验室、德国的波恩大学、奥地利的格拉茨大学等，国内如清华大学、北京大学、中科院等，在这方面都做了许多工作，取得了很大的成绩，有的成果己具备初步的实用价值。在上述研究的基础上，近年来国内外推出了一系列图形图像软件，它们具备了较强的图像特征提取和识别的功能。国外流行的图像特征提取及识别的软件，例如：德国softelec公司的VPStudio，日本日立公司的Imageseries，美国GTX 公司的GTXRaster series，挪威Rasterex公司的RxAutoImage Pro 2000等。国内图像特征提取及识别软件，例如：东大阿尔派的SEAS系统，华中理工大学的EDIS工程图信息系统，西工大CAD中心的NPPU-EDRS工程图智能输入与识别系统，清华紫光的TH-DAIMS图纸处理系统等。
从上面特征提取和识别的研究现状来看，由于特征提取及识别问题本身的多样性和复杂性，现有的理论和方法离实际要求还有相当距离，一些根本的问题还有待进一步深入研究。现有的特征提取和识别算法基本上还是处于实验阶段，其实用性、通用
性、准确性等方面离大规模实际应用的要求还有一定差距。所有这些应用都是和问题的性质密不可分的，至今还没有发展成统一、有效的可应用于所有模式识别的理论。虽然各特征提取与识别算法的处理能力、特征提取能力、特征识别能力的效果方面各有所长，但是仍然在算法的性能、通用性、自动化程度、准确率方面存在很多不足。因此，为了弥补这些不足，对于图像特征提取及识别技术的研究需要更多的关注，付出更多的努力。
2数字图像形状及预处理
2.1 概述
形状特征是对图像中边界清晰的目标的最好表达方式。是图像目标的一种显著特征，在实际中通常利用形状特征或主要边界对图像进行检索和分类。图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
Matlab是非常好用的图像处理软件。Matlab是由美国MathWorks 公司开发的集数值计算、符号计算和图形可视化三大基本功能于一体的，功能强大、操作简单的语言。是国际公认的优秀数学应用软件之一。
Matlab的基本数据单位是矩阵，它的指令表达式与数学，工程中常用的形式十分相似，故用Matlab来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多。
Matlab包括拥有数百个内部函数的主包和三十几种工具包(Toolbox)。工具包又可以分为功能性工具包和学科工具包。功能工具包用来扩充Matlab的符号计算，可视化建模仿真，文字处理及实时控制等功能。学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。
开放性使Matlab广受用户欢迎。除内部函数外，所有Matlab主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。
本文正是要使用Matlab从“轮廓”这个局部中找出特征来判断“形状”这个总体。
2.2数字图像的预处理
2.2.1 数字图像
所谓数字图像就是把传统图像的画面分割成如图2-1所示的被成为像素（picture element, 简称pixel。有时候也用pel这一简写词）的小的离散点，各像素的灰度值也是用离散值即整数值来表示的。数字图像（digital imagine）和传统的图像即模拟图像(picture)是有差别的。
图2-1 数字图像
常见的数字图像格式有以下几种：
（1）PCX（Windows Paintbrush）格式。可处理1，4，8，16，24位等图像数据。文件内容包括：文件头（128字节），图像数据、扩展颜色映射表数据。
（2）BMP（Windows Bitmap）格式。有1，4，8，24位非压缩图像，8位RLE （Run-length Encoded ）图像。文件内容包括：文件头（一个BITMAP FILEHEADER 数据结构），位图信息数据块（位图信息头BITMAP INFOHEADER和一个颜色表）和图像数据。
（3）HDF（Hierarchical Data Format）格式。有8位，24位光栅数据集。
（4）JPEG(Joint Photographic Experts Group)格式，是一种成为联合图像专家组的图像压缩格式。
（5）TIFF（Tagged Image File Format）格式。处理1，4，8，24位非压缩图像，1，4，8，24位packbit压缩图像，一位CCITT压缩图像等。文件内容包括：文件头，参数指针表与参数域，参数数据表和图像数据四部分。
（6）XWD(X Windows Dump)格式。1，8位Zpixmaps，Xybitmaps，1位Xypixmaps。
（7）PNG（Portable Network Graphics）格式。
为了从一般的照片，景物等模拟图像中得到数字图像，需要对传统的模拟图像进行采样与量化两种操作（二者统称为数字化）。数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
对数字图像经行处理要用到Matlab程序，它在数字图像方面的用处巨大。
图像处理工具包是由一系列支持图像处理操作的函数组成的。所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT变换等) 、图像分析和统计、二值图像操作等。下面就Matlab 在图像处理中各方面的应用分别进行介绍。
（1）图像文件格式的读写和显示。Matlab 提供了图像文件读入函数imread()，用来读取如:bmp、tif、tiffpcx 、jpg 、gpeg 、hdf、xwd等格式图像文；图像写出函数imwrite() ，还有图像显示函数image()、imshow()等等。
（2）图像处理的基本运算。Matlab 提供了图像的和、差等线性运算，以及卷积、相关、滤波等非线性算。例如，conv2(I，J)实现了I，J两幅图像的卷积。
（3）图像变换。Matlab 提供了一维和二维离散傅立叶变换(DFT) 、快速傅立叶变换(FFT) 、离散余弦变换(DCT) 及其反变换函数，以及连续小波变换(CWT)、离散小波变换(DWT)及其反变换。
（4）图像的分析和增强。针对图像的统计计算Matlab 提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。
（5）图像的数学形态学处理。针对二值图像，Matlab 提供了数学形态学运算函数；腐蚀(Erode)、膨胀(Dilate)算子，以及在此基础上的开(Open)、闭(Close)算子、厚化(Thicken) 、薄化(Thin) 算子等丰富的数学形态学运算。
以上所提到的Matlab在图像中的应用都是由相应的Matlab函数来实现的，使用时，只需按照函数的调用语法正确输入参数即可。具体的用法可参考Matlab丰富的帮助文档。图像边缘对图像识别和计算机分析十分有用，在Matlab中，函数edge()用于灰度图像边缘的提取，它支持六种不同的边缘提取方法，即Sobel方法、Prewitt 方法、Robert 方法，Laplacian2Gaussian方法、过零点方法和Canny方法。
基本的图像类型分为以下几种：
(1)索引图像
索引图像包括图像矩阵与颜色图数组，其中，颜色图是按图像中颜色值进行排序后的数组。对于每个像素，图像矩阵包含一个值，这个值就是颜色图中的索引。颜色图为m*3双精度值矩阵，各行分别指定红绿蓝（RGB）单色值。Colormap=[R，G，B]，R，G，B为值域为[0，1]的实数值。
图像矩阵与颜色图的关系依赖于图像矩阵是双精度型还是uint8（无符号8位整型）类型。如果图像矩阵为双精度类型，第一点的值对应于颜色图的第一行，第二点对应于颜色图的第二行，依次类推。如果图像矩阵是uint8，有一个偏移量，第0点值对应于颜色图的第一行，第一点对应于第二行，依次类推；uint8长用于图形文件格式，它支持256色。
（2）灰度图像
在MATLAB中，灰度图像是保存在一个矩阵中的，矩阵中的每一个元素代表一个像素点。矩阵可以是双精度类型，其值域为[0，1]；也可以为uint8类型，其数据范围为[0，255]。矩阵的每个元素代表不同的亮度或灰度级。
（3）二进制图像
二进制图像中，每个点为两离散值中的一个，这两个值代表开或关。二进制图像保存在一个由二维的由0（关）和1（开）组成的矩阵中。从另一个角度讲，二进制图像可以看成为一个仅包括黑与白的灰度图像，也可以看作只有两种颜色的索引图像。
二进制图像可以保存为双精度或uint8类型的双精度数组，显然使用uint8类型更节省空间。在图像处理工具箱中，任何一个返回二进制图像的函数都是以uint8类型逻辑数组来返回的。
（4）RGB图像
与索引图像一样，RGB图像分别用红，绿，蓝三个亮度值为一组，代表每个像素的颜色。与索引图像不同的是，这些亮度值直接存在图像数组中，而不是存放在颜色图中。图像数组为M*N*3，M，N表示图像像素的行列数。
2.2.2 采样
采样（sampling）就是把在时间上和空间上连续的图像变成离散点（采样点，即像素）的集合的一种操作。
图像基本上是在二维平面上连续分布的信息形式要把它输入到计算机中，首先要把二维信号变成一维信号，因此要进行扫描（scanning）。最常用的扫描方法是在二维平面上按一定间隔顺序地从上方顺序地沿水平方向的直线（扫描线）扫描，从而取出浓淡值（灰度值）的线扫描（Laster扫描）。对于由此得到的一维信号，通过求出每一特定间隔的值，可以得到离散的信号。对于运动图像除进行水平，垂直两个方向的扫描以外，还有进行时间轴上的扫描。
通过采样，如设横向的像素数为M，纵向的像素数为N，则画面的大小可以表示为“M*N”个像素。
2.2.3量化
经过采样，图像被分解成在时间上和空间上离散分布的像素，但是像素的值（灰度值）还是连续值。像素的值，是指白色-灰色-黑色的浓淡值，有时候也指光的强度
（亮度）值或灰度值。把这些连续的浓淡值或灰度值变为离散的值（整数值）的操作就是量化。
如果把这些连续变化的值（灰度值）量化为8bit ，则灰度值被分成0-255的256个级别，分别对应于各个灰度值的浓淡程度，叫做灰度等级或灰度标度。
在0-255的值对应于白-黑的时候，有以0为白，255为黑的方法，也有以0为黑，255为白的方法，这取决于图像的输入方法以及用什么样的观点对图像进行处理等，这是在编程时应特别注意的问题。但在只有黑白二值的二值图像的情形，一般设0为白，1为黑。
对连续的灰度值赋予量化级的，即灰度值方法有：均匀量化（uniform quantization ），线性量化（liner quantization ），对数量化，MAX 量化，锥形量化（tapered quantization ）等。
2.2.4 采样、量化和图像细节的关系
上面的数字化过程，需要确定数值N 和灰度级的级数K 。在数字图像处理中，一般都取成2的整数幂，即:
2n N = (2-1)
2m K = (2-2)
一幅数字图像在计算机中所占的二进制存储位数b 为
*log(2)**()m N N b N N m bit == (2-3)
例如，灰度级为256级(m=8)的512×512的一幅数字图像，需要大约210万个存储位。随着N 和m 的增加，计算机所需要的存储量也随之迅速增加。
由于数字图像是连续图像的近似，从图像数字化的过程可以看到。这种近似的程度主要取决于采样样本的大小和数量(N 值)以及量化的级数K(或m 值)。N 和K 的值越大，图像越清晰。
2.3 几种典型的形状特征描述方法
对形状分析和分类的方法技术有许多。通常来说，形状特征表示方法可以分为两类：基于边界的和基于区域的。前者使用形状的外部边界，而后者使用整个区域。这两类形状特征的最典型的方法分别是傅立叶描述符、变形模板匹配和形状不变矩。此外轮廓匹配方法还有几何参数法、边界方向直方图法、小波重要系数法和小波轮廓表示法等。
几种典型的形状特征描述方法：
（1）边界特征法
该方法通过对边界特征的描述来获取图像的形状参数。其中Hough 变换检测平行直线方法和边界方向直方图方法是经典方法。Hough 变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法，其基本思想是点—线的对偶性；边界方向直方图法首先微分图像求得图像边缘，然后，做出关于边缘大小和方向的直方图，通常的方法是构造图像灰度梯度方向矩阵。
（2）傅里叶形状描述符法
傅里叶形状描述符(Fourier shape descriptors)基本思想是用物体边界的傅里叶变换作为形状描述，利用区域边界的封闭性和周期性，将二维问题转化为一维问题。由边界点导出三种形状表达，分别是曲率函数、质心距离、复坐标函数。
（3）几何参数法
形状的表达和匹配采用更为简单的区域特征描述方法，例如采用有关形状定量测度（如矩、面积、周长等）的形状参数法（shape factor）。在QBIC 系统中，便是利用圆度、偏心率、主轴方向和代数不变矩等几何参数，进行基于形状特征的图像检索。
需要说明的是，形状参数的提取，必须以图像处理及图像分割为前提，参数的准确性必然受到分割效果的影响，对分割效果很差的图像，形状参数甚至无法提取。
（4）形状不变矩法
利用目标所占区域的矩作为形状描述参数来进行分类。
（5）其它方法
近年来，在形状的表示和匹配方面的工作还包括有限元法（Finite Element Method 或FEM）、旋转函数（Turning Function）和小波描述符（Wavelet Descriptor）等方法。
3 形状特征及提取分类
本文主要采用的是几何参数法来判断给出的的图像是什么形状。
对于图像分类问题，特征提取的好坏是决定分类性能的关键因素。提取物体的形状特征前，首先要对图像进行边缘提取，以获得物体的轮廓边界，然后需要把轮廓边界区域的特征抽取出来。在这些特征里面，有一部分可以用数字量值来描述，但更多的特征是一些没有明显特征的几何图形。为了便于图像的匹配，需要对这些几何图形进行进一步的描述。图像中物体的性质不能因为图像的平移、旋转、比例尺度的改变
而发生变化。所以，在进行形状描述时，选择的描述符应具有平移不变性、旋转不变性、尺度不变性等特点。不但如此，选择的描述符还应该能够刻画形状的本质特点，使得该描述符具有良好的可分辨能力。
图像特征选择的原则特征提取是对模式所包含的输入信息进行处理和分析，将不易受随机因素干扰的信息作为该模式的特征提取出来。特征提取过程是去除冗余信息的过程，具有提高识别精度，减少运算量和提高运算速度的作用。
3.1 矩形度
用目标图像的面积和包围该图像的最小的矩形面积之比作为目标矩形度的一种度量参数，记为
(3-1)
其中0A 表示目标图像的面积，R A 表示包围该图像的最小矩形的面积。R 的大小能反映目标物体和矩形的接近程度。矩形度的值限定在0到1之间。
3.2 圆形度
对于面积一定的图形，一半周长越小，圆形表面越光滑，越接近圆；反之，周长越大，则圆形表面褶皱越多，形状也就越复杂。基于这个原因，一般采用圆形度来衡量图形偏向圆形状的程度。形状的圆形度是指目标物体的周长平方和其面积之比，记为
2
4P c A
π= (3-2)
其中：P 表示图形的周长，A 表示周长所围的面积。理论上讲，圆的圆形度为1.0，正方形的圆形度为 =0.79，正三角形的圆形度为(3)9=0.60.
另外，圆形度还有两个计算公式：
'
A c A = (3-3)
其中，A 为区域面积，'A 为区域最小外接圆面积。该指标同样认为圆形区域最紧凑，其紧凑度为1。在计算中采用最小外接圆面积作为衡量区域形状的标准。
4π
2
A c L = (3-4) 其中，A 为区域面积，L 为区域最长轴长度。该指标噎人为圆形为标准形状，但它只考虑了最长轴的长度，只能概略地反映连通区域的形状。
3.3 矩
当物体是一些简单的几何图像，用以上的形状描述参数物体比较合适。如果图像的边界特征复杂，用以上的参数来描述物体的形状比较困难。对于复杂的物体，我们可以通过矩和轮廓描述符来描述复杂物体。矩特征是建立在对一个区域内部灰度值分布的统计分析基础上的，是一种统计平均的描述，可以从全局观点描述对象的整体特征。矩是一种线性特征，矩特征对于图像的旋转、比例尺度、平移具有不变性，因此可以用来描述图像中区域的形状特性。
3.4 不变矩
二维矩不变量理论是在1962年由美籍华人学者胡贵明提出的，并将矩用于形状识别。对于连续图像二维函数f(x,y)，其(p+q)阶矩定义为如下黎曼积分形式：
,(,)p q p q m x y f x y dxdy +∞+∞
-∞-∞=
?? (3-5)
式中p,q=0,1,2,L 。根据唯一性定理（Papoulis,1965），若f(x,y)是分段连续的，即只要在xy 平面区域有非零值，则所有的各阶矩均存在，且矩序列{,p q m }
唯一的被f(x,y)所确定。反之，{,p q m }也唯一的确定了f(x,y)。
将上述矩特征量进行位置归一化，得到图像f(x,y)的中心矩：
对于数字图像f(x,y)，用双重求和的形式代替上述积分，点(x,y)处的(p+q)阶矩定义为：
,(,)p q p q x y
m x y f x y =∑∑ (3-6)
由此可见该中心几何矩也符合尺度不变性的特性。
3.5基于不变矩的形状特征提取
3.5.1特征提取步骤
图3-1 形状特征提取系统流程
1.确定用Canny算子对图像进行边缘提取，得到边缘图像；
2.对边缘图像进行轮廓跟踪，得到外轮廓图像；
3.对外轮廓图像进行预处理：首先平滑轮廓线得到连续的轮廓线，采用自
适应二值化的方法二值化该轮廓线，再细化轮廓线。最后得到清晰的连续
平滑、单像素、二值化的外轮廓图像；
4.进行种子填充，得到图像的外轮廓线所包围的目标区域；
5.计算目标区域的七个不变矩，构成这幅图像的形状特征向量；
6.对形状特征向量进行内部归一化处理，将特征值存入图像特征库。
3.5.2边缘提取算子的确定
图像边缘蕴含了丰富的信息，是抽取图像形状特征的重要属性。因此，边缘算子必须能做到清晰，准确。
3.5.3边缘提取常用算子
边缘提取的主要计算方法是基于方向导数掩模求卷积的方法，得到横向纵向的梯度图像和模值图像，然后根据梯度方向来进行模的极大值提取，获得需要的物体边缘。它是对目标轮廓线或边界的检出。常用的有Roberts算子、Prewitt算子、Sobel算子和Laplacian算子。在实际应用中，因为一些实际的因素，如光照、随机噪声的影响，往往会使图像模糊或出现孤立的边缘点，使边缘检测遇到很多难题。前面的几种方法在不同程度上存在着对噪声敏感的缺点。我们需要精确的检测出图像的边缘点，意味着以下三点：
1、低失误率，既要少将真正的边缘丢失，也要少将非边缘判为边缘；
2、高定位精度，检测出的边缘应在真正的边缘位置上；
3、对每个边缘有唯一的响应，得到的边缘为单边缘。
3.5.4 Canny 算子
Canny 算子是一类具有优良性能的边缘检测算子，它在许多图像处理领域得到广泛应用。从本质上讲，它并不只是简单的进行梯度运算来决定像素是否为边缘点，在决定一个像素是否为当前边缘点时，需要考虑其它像素的影响；也不是简单的边界跟踪，在寻找边缘点时，需要根据当前像素及前面处理过的像素来进行判断。它把边缘检测的问题转换为检测函数极大值的问题。其基本思想是：先对处理的图像选择一定的Gauss 滤波器进行平滑滤波，然后采用一种称之为“非最大值抑制”(Non-maxSuppression)的技术，对平滑后的图像处理后，得到最后的边缘图像。Canny 提出了判断边缘检测算子好坏的三个标准：
（1）信噪比准则
尽量做到不漏检又不误检使输出的信噪比最大。信噪比数值越大，提取的边缘质量越高；
（2）定位精度准则
检测出的边缘点位置距实际边缘点的位置最近，使得输出的图像定位精度高；
（3）单边缘响应准则
每个边缘点的响应是唯一的。每一个实际存在的边缘点和检测到的边缘点是一一对应的，得到的边缘宽度为单像素。以上面的准则为基础，利用泛函求导的方法导出一个由边缘定位精度和信噪比乘积组成的表达式，这个表达式近似于Gauss 函数的一阶导数，此即为该函数的最好近似。Canny 算子的算法实现主要包括5个部分：图像滤波、计算图像梯度、抑制梯度非最大点、搜索边界的起点、跟踪边界。
平滑图像时也用到高斯滤波器，用到的高斯函数为：
（3-7）
()()()(
)22
2,,,,x y H x y e
G x y f x y H x y σ+-==*
图3-2 canny算子的基本流程
1、采用高斯滤波对图像进行滤波，滤波先对x方向进行，然后对y方向进
行，主要是用于去除图像中的噪声；
2、产生一个一维高斯分布函数，用来生成高斯滤波系数。理论上高斯数据
的长度应该是无限长的，但是实际的高斯数据只能是有限长的数据长度。
根据概率论的知识，选取[-3σ,3σ]之间的数据长度；
3、计算方向导数，利用原图像计算图像像素的方向导数；
4、计算梯度，利用方向导数的计算结果，采用二阶范数计算梯度；
5、抑制局部像素非最大梯度点，这个函数是Canny算子的重要部分，Canny
算子认为梯度图中只有某些点才有可能成为边界点或者是边界的起点；
6、根据梯度计算及经过非最大抑制后的结果设定阈值，这个函数也是Canny算子的重要部分，阈值的设定直接涉及到哪些像素点可能成为边界点。参数设置的值越高，检测出来的边缘点数目会越少；
7、利用函数寻找边界的起始点；
8、根据以上步骤的执行结果，从一个像素点开始进行搜索，搜索以该像素
点为边界起点的一条边界的所有边界点，函数采用了递归算法。
3.6边缘提取实验结果及分析
3.6.1边缘提取算法分析
相对来说，用Sobel算子进行边缘检测得到的图像效果较好，因为Sobel算子提供了精确的边缘方向估计。但是，应用Sobel算子得到的边缘图像存在着不连续、定位精度低、对噪声敏感、以及边缘是多像素点的问题。而Canny算子提取的边缘很好的克服了以上的缺点，不仅能很好的检测边缘，而且能抑制点状噪声。
3.6.2图像形状识别结果
图3-3原始图像的边缘提取结果
采用canny边缘提取算法队员图像进行边缘提取。
所用基本程序代码如下：
format long
i=imread('t2.bmp');
imshow(i);
a=rgb2gray(i);
小论知识与知识表示方法 摘要： 知识是人们在生产生活中经常使用的词汇，知识表示的过程是用一些约定的符号把知识编码成计算机可以接受的数据形式。知识的表示方法例如一阶谓词逻辑表示法，产生式表示法，语义网络表示法，框架表示法和过程规则表示法等等。目前，产生式表示法已经成了人工智能中应用最多的一种知识表示模式，尤其是在专家系统方面，产生式的基本形式P→Q 或者 IF P THEN QP是产生式的前提，也称为前件，它给出了该产生式可否使用的先决条件，由事实的逻辑组合来构成；Q是一组结论或操作，也称为产生式的后件，它指出当前题P 满足时，应该推出的结论或应该执行的动作。 关键字：知识；知识表示；产生式表示法 引言： 知识和知识表示方法是人们生活中必不可少的一部分，知识表示能力是指知识表示方法能否正确、有效地将推理所需要的各种知识表示出来，这是对知识表示方法的最为重要的要求。因为产生式表示方
法的自然性，有效性，一致性获得了所有人的肯定，成为构造专家系统的第一选择的知识表示方法。 正文： 1、知识 1.1知识的定义 知识是经过筛选和整理的信息，是对事物运动变化规律的表述，是人类对客观世界一种较为准确、全面的认识和理解。 1.2知识的特性 1）真假性及其相对性 2）不确定性 3）矛盾性或相容性 4）可表示性与可利用性 1.3知识的分类 1）叙述型知识，有关系统状态、环境、条件和问题的概念、定义和事实的知识。 2）过程型知识，有关系统变化、问题求解过程的操作、演算和运动的知识。 3）控制型知识，有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。 2、知识表示方法——产生式表示方法 “产生式”由美国数学家波斯特（E.POST）在1943年首先提出，它根据串代替规则提出了一种称为波斯特机的计算模型，模型中的每
《人工智能导论》课程研究总结题目：BP神经网络的非线性函数拟合 班级： 姓名： 学号： 年月日
本次作业我负责程序的编写，过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础，用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序，即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作，免除编写复杂庞大程序的困扰。目前，Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数，各函数解释如下。 1、newff：BP神经网络参数设置函数 函数功能：构建一个BP神经网络。 函数形式：net = newff（P，T，S，TF，BTF，BLF，PF，IPF，OPF，DDF） P：输入数据矩阵。 T：输出数据矩阵。 S：隐含层结点数。 TF：结点传递函数，包括硬限幅传递函数hardlim，对称硬限幅传递函数hardlims，线性传递函数pureline，正切S型传递函数tansig，对数S型传递函数logsig。 BTF：训练函数，包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数traingdm，动态自适应学习率的梯度下降BP算法训练函数traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx，Levenberg_Marquardt的BP算法训练函数trainlm。 BLF：网络学习函数，包括BP学习规格learngd，带动量项的BP学习规则learngdm。 PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse。 IPF：输入处理函数。 OPF：输出处理函数。 DDF：验证数据划分函数。 一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。 2、train：BP神经网络训练函数 函数功能：用训练数据训练BP神经网络。 函数形式：[net，tr] = train（NET，X，T，Pi，Ai） NET：待训练网络。
内蒙古科技大学2010/2011 学年第一学期《人工智能》结课报告 课程号：67111317 考试方式：报告 使用专业、年级：计算机应用2007 任课教师：陈淋艳 班级：08级-计算机-1班 学号：0867111116 姓名：冯淑梅
摘要：知识处理是人工智能这一科学领域的关键问题。本文对知识处理的核心问题之——识的表示进行了全面的综述,目前流行的知识表达方式不下十种，在此只介绍一阶谓词逻辑、产生式、语义网络、框架、混合等目前最常用的知识表示方法。并对其进行了优缺点分析及简单对比。最后对知识表示的发展趋向作出了展望。 关键词：知识人工智能（AI）知识表达式一阶谓词逻辑产生式语义网络框架 一、知识和知识的表示 1、知识的概念 知识是人类世界特有的概念，他是人类对客观世界的一种比较准确、全面的认识和理解的结晶。 (1) 知识只有相对正确的特性。 常言道：实践出真理。只是源于人们生活、学习与工作的实践，知识是人们在信息社会中各种实践经验的汇集、智慧的概括与积累。 只是爱源于人们对客观世界运动规律的正确认识，是从感知认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，只是无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就接受检验，必要时就要对原来的认识加以修改和补充，一至全部更新而取而代之。 例如知道1543年哥白尼学说问世之前，人们一直都以为地球是宇宙的核心；再有：人们都知道一个关于“瞎子摸象”的故事，它通俗地说明了完整的只是形式是一个复杂的智能过程。 通常人们获取知识的重要手段是：利用信息，把各种信息提炼、概括并关联在一起，就形成了知识。而利用信息关联构成知识的形式有多种多样。 (2) 知识的确定与不确定性 如前说述，知识有若干信息关联的结构组成，但是，其中有的信息是精确的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定与不确定的特征。 例如，在我国中南地区，根据天上出现彩虹的方向及其位置，可以预示天气
人工智能在电子信息上的应用————专家系统 引言： 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 专家系统是人工智能应用研究的一个重要领域。它实现了人工智能从理论研究走向实际应用，从一般思维方法探讨转入专门知识运用的重大突破。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。 摘要: 专家系统是人工智能应用研究的主要领域。专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。它运用于医疗、军事、地质勘探、教学、化工等领域，产生了巨大的经济效益和社会效益。现在，专家系统已成为人工智能领域中最活跃、最受重视的领域。 关键词：人工智能，专家系统 正文： 1、什么是专家系统 专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。 目前，对什么是专家系统还没有一个严格公认的形式化定义。作为一种一般的解释，可以认为专家系统是一种具有大量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。 2、专家系统的基本结构 专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。 在其中，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。 人工智能中的知识表示形式有产生式、框架、语意网络等，而在专家系统中运用得较为普遍的知识是产生式规则。产生式规则以IF…THEN…的形式出现，就像编程语言里的条件语句一样，IF后面跟的是条件（前件），THEN后面的是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。在这里，产生式规则的理解非常简单：如果前提条件得到满足，就产生相应的动作或结论。产生式专家系统的知识库中包含了大量的规则，换言之，这里的知识库就是一个规则集。 3、专家系统的特性（与人类专家相比） 专家系统作为一个计算机程序系统具有如下几个特性： （1）不受时间限制：人类专家的工作时间有限，但专家系统是恒久，一旦开发完成，可随时使用，并可二十四小时持续运作。
人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可能用机器 模拟的.这项发现对早期AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用它来解决不定积分、三角函数、代数方程等11种不同类型的问题，并首次提出启发式搜索概念，从而使启发式程序具有较普遍的意义。
2016秋《自然辩证法概论》课程期末论文 班级__ 学号__ 姓名__ 开课学院马克思主义学院任课教师_ 成绩________
人工智能对人类未来社会的影响 摘要：近年来，由于“深度学习”神经网络的提出，突破瓶颈的人工智能迅速发展，各大科技公司也纷纷布局。人工智能逐渐融入人们生活，并极大的促进了社会发展，同时其飞速的发展也引发了人们对于人工智能未来与人类关系的忧虑。 关键词：人工智能人类未来 一、人工智能的发展 今年全球最热门的词汇，“人工智能”无疑是其中之一。前不久谷歌AlphaGo与李世石的围棋人机大战,是继1997年IBM计算机“深蓝”战胜人类国际象棋冠军之后，人工智能领域的又一重大里程碑。提到人工智能，因为受科幻小说或电影的影响，大多数人会想到屠杀人类的机器人大军，但就其本质而言，人工智能是对人的意识、思维的信息过程的模拟，现代人工智能主要依靠数据和算法。1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。随后，人工智能与众多学科产生融合并飞速进展，但在90年代暴力破解需要的呈指数增长的计算量使人工智能发展陷入僵局。直到2006年“深度学习”神经网络的提出，才取得了突破性进展。深度学习算法体现出来的高性能，掀起了新一代人工智能技术的革新浪潮。“近年来，谷歌、微软、IBM、 百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显着进展。”[1] 二、人工智能对现代人类社会的影响 人工智能在我们的生活中早已是随处可见，例如，大多数智能手机上都有的语音助手，使用搜索引擎时跳出的快捷项等。人工智能也对社会生产产生众多影响，例如，富士康每年计划打造1万台机器人同时裁掉6万员工，报社使用人工智能进行简单的新闻编辑，甚至有机构在研发已在研发能写药物处方的算法。“技术的社会价值可以表现为积极的正面价值，推动社会发展增进人类幸福，但也可以表现为消极的负面价值，给社会带来诸多风险。”[2]人工智能在初步发展阶段会极大的造福人类，这也正是人类研发其的原因，但也有人担心现阶段人工智能带来的问题，如失业，对科技的依赖等。首先，对于失业，新闻编辑，富士康员工，药师等人员所做的重复性工作由人工智能代替可以把人类从繁重的劳动中解放出来，提高生产生活的效率和质量。被替换掉的人力资源可以进行更高级的生产，促进社会进步。当年工业化刚开始的时候也曾出现过这样的忧虑，现在看来那时的忧虑完全没有必要，现在情况依旧如此。当然让人们放弃熟悉的事物做出改变是比较困难的，却也是无法违背的。其次，对科技的过分依赖，生活中经常听到不要过度的使用手机这类“善良”的劝告，但在我看来，经常使用手机是必须的。手机是当前人与人连接最高效的方式，在信息时代线上生存是大势所趋，如有必要，时刻保持在线。现在只是处于过渡阶段，虽然人们已经通过手机连接，但线下生活依旧是主流，所以在习惯于线下生活的较年长人的眼里，花费大量时间看手机是不务正业。认识趋势，看到趋势，顺应趋势才是明智得做法。所以老师们不应徒劳的去劝说同学们上课不要看手机，而应积极地结合趋势寻找新的传授知识的
三子棋问题 一目的 运用所学课程的知识来研究、解决一些具有一定综合性问题的专业课题。通过课程设计提高学生综合运用所学知识来解决实际问题及进行科学实验或技术设计的初步能力。 二需求分析 1、该程序主要为设计简单的三子棋游戏； 2、三子棋问题即在3 * 3的二维数组上下棋，只要有棋子在行、列或对角线连成一线即取得胜利。 3、可实现玩家与电脑对弈。 三概要设计 1、主函数模块 int main() { do{ 开始新的对弈； }while(玩家选择停止游戏); return 0; } 2、调用函数模块 ①int chess(); /*函数功能：开始对弈 函数参数：无 函数返回值：return 0*/ { 初始化棋局； 选择玩家或电脑先行； do{ //开始下棋 输出当前棋局； if(该玩家走棋) { do{
玩家输出走棋位置； 检查走棋位置的合法性； }while(玩家输入合法的位置); } else if(电脑走棋) { 调用函数使电脑走棋 } 判断是否有一方胜出； }while(有一方胜出或平局); printf("最终棋局：\n"); 输出最终棋局； if(平局) 输出平局; } ②int check(char *chess,char sign); /*函数功能：使用了指针，判断位置可行则走棋，不可行则返回值为1 函数参数：使用指针传递棋局，以及欲走棋的位置 函数返回值：0代表可以走棋，1代表不可走棋 */ { 判断走棋位置是否合法； 不合法则返回1； 否则返回0； } ③int judge(char *chess); /*函数功能：判断是否有胜出 函数参数：当前棋局 函数返回值：0代表未有胜出，1代表玩家胜出，2代表电脑胜出*/ { for(行检查) { if(某行三子连线) { if(连线棋子为‘O’) 玩家胜出； else 电脑胜出； } } for(列检查)//思想同上 if(对角三字连线检查)//思想同上
研究生课程论文 人工智能前沿 论文题目:人工智能技术在求机器人工作 空间的应用 课程老师:罗亚波 学院班级:汽研1602班 学生姓名:张小涵 学号:15 2016年10月
人工智能技术在求机器人工作空间的应用 摘要 人工智能的发展迅速,现在已经渗透到机器人的全方位分析与机器人的工作空间的计算中,其对机器人的应用起着越来越重要的作用。元素限制法由三个限制元素构成,分别为杆长限制、转角限制、连杆的干涉。在初步确定限制元素后即可得到边界条件,即可得到工作空间。圆弧相交法由运动学反解过程、工作空间的几何描述以及工作空间的计算过程组成。两者各有其优缺点,都就是可取的求工作空间的方法。 关键词:人工智能元素限制圆弧相交工作空间 Abstract With the rapid development of artificial intelligence, it has been applied to the analysis of the robot and the working space of the robot、It plays a more and more important role in the application of the robot、The element restriction method is composed of three elements, which are the length of the rod, the restriction of the angle and the interference of the connecting rod、 Boundary conditions can be obtained after the preliminary determination of the limiting element、 The arc intersection method is composed of the process of the inverse kinematics of the kinematics, the geometric description of the working space and the calculation process of the working space、 Both have their own advantages and disadvantages, are desirable for the working space of the method、Key words: artificial intelligence element limit arc intersection working space
人工智能发展史 人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可能用机器模拟的.这项发现对早期AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用
《人工智能导论》 课程论文 题目：人工智能导论课程论文 专业：计算机科学与技术 班级：N计科12-1F 姓名：吴文定 学号：24122401811 指导老师：白天
目录 前言 (3) 一、专家系统简介 (4) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (12) 七、专家系统的总结 (13) 八、学习心得 (14) 参考文献 (15)
前言 人工智能是经过40多年发展起来的一门综合性学科，它旨在研究如何利用计算机等现代工具设计模拟人类智能行为的系统。在众多的人工智能应用领域中，专家系统是30多年来发展起来的一种最具代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。专家系统是人工智能中最活跃的一个分支，是人工智能发展最重要的推动力。 由于人类对自身的思维规律和智能行为仍在探索中，因此，人工智能与专家系统仍然是一门开放的年轻学科。近几年来，人工智能与专家系统的研究越来越深入，新的思想、新的理论以及新的方法与技术不断涌现，新的研究成果不断充实着这一研究领域，尤其是模糊逻辑与神经网络及其结合的研究已成为当前人工智能或智能模拟的重要研究方向，学术论文数以千计，应用成果迭出。
一、专家系统简介 摘要:自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的30年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。构建专家系统用到的思维方式可能是各种认知工具中最难的,因为它需要形式推理与逻辑推理,建构专家系统需要智力上的参与和挑战。本文首先介绍了专家系统的概念和理论及发展概况，并着重分析他们的应用和发展前景。
《人工智能导论》课程研究总结 题目：BP神经网络的非线性函数拟合 班级： 姓名： 学号： 年月日 本次作业我负责程序的编写，过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础，用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序，即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作，免除编写复杂庞大程序的困扰。目前，Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数，各函数解释如下。 1、newff：BP神经网络参数设置函数 函数功能：构建一个BP神经网络。 函数形式：net = newff（P，T，S，TF，BTF，BLF，PF，IPF，OPF，DDF） P：输入数据矩阵。 T：输出数据矩阵。 S：隐含层结点数。 TF：结点传递函数，包括硬限幅传递函数hardlim，对称硬限幅传递函数hardlims，线性传递函数pureline，正切S型传递函数tansig，对数S型传递函数logsig。 BTF：训练函数，包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数traingdm，动态自适应学习率的梯度下降BP算法训练函数traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx，Levenberg_Marquardt的BP算法训练函数trainlm。 BLF：网络学习函数，包括BP学习规格learngd，带动量项的BP学习规则learngdm。 PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse。IPF：输入处理函数。 OPF：输出处理函数。 DDF：验证数据划分函数。 一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。 2、train：BP神经网络训练函数 函数功能：用训练数据训练BP神经网络。 函数形式：[net，tr] = train（NET，X，T，Pi，Ai） NET：待训练网络。 X：输入数据。 T：输出数据。 Pi：初始化输入层条件。 Ai：初始化输出层条件。 net：训练好的网络。 tr：训练过程记录。
内蒙古科技大学2014/2015 学年第一学期《人工智能》结课报告 课程号：76807376-01 考试方式：结课报告 使用专业、年级：计算机应用2012-3,4 任课教师：陈淋艳 班级：12级计算机3班 学号：1276807336 姓名：王志鹏
目录 前言 (3) 一、专家系统简介 (4) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (12) 七、专家系统的总结 (13) 八、学习心得 (14) 参考文献 (15)
前言 人工智能是经过40多年发展起来的一门综合性学科，它旨在研究如何利用计算机等现代工具设计模拟人类智能行为的系统。在众多的人工智能应用领域中，专家系统是30多年来发展起来的一种最具代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。专家系统是人工智能中最活跃的一个分支，是人工智能发展最重要的推动力。 由于人类对自身的思维规律和智能行为仍在探索中，因此，人工智能与专家系统仍然是一门开放的年轻学科。近几年来，人工智能与专家系统的研究越来越深入，新的思想、新的理论以及新的方法与技术不断涌现，新的研究成果不断充实着这一研究领域，尤其是模糊逻辑与神经网络及其结合的研究已成为当前人工智能或智能模拟的重要研究方向，学术论文数以千计，应用成果迭出。
一、专家系统简介 摘要:自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的30年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。构建专家系统用到的思维方式可能是各种认知工具中最难的,因为它需要形式推理与逻辑推理,建构专家系统需要智力上的参与和挑战。本文首先介绍了专家系统的概念和理论及发展概况，并着重分析他们的应用和发展前景。
中南林业科技大学 课程论文 论文名称：人工智能课程论文 班级：信息与计算科学一班 姓名：丁洁（20083687）指导教师：黄慧华 日期：2011 - 10
人工智能课程论文 摘要：人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。 关键字：人工智能、智能化电子、符号计算、模式识别、专家系统、机器翻译人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 一、人工智能的具体描述 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的
信息科学与工程学院 智能科学与技术专业本科培养方案 一、培养目标 培养具备良好的科学素质，系统地掌握智能科学与技术的基本理论、基本知识和基本技能与方法，在智能科学与工程领域具有较强的知识获取能力、知识工程能力和创新创业能力的宽口径复合型高质量以及具有计算机、自动化、电子等交叉学科基础的人才，能在企业、事业、科研部门、教育单位和行政部门等单位从事智能系统、智能信息处理、智能行为决策等方面的科学研究、开发设计、工程应用、决策管理和教学等工作。 二、培养要求 本专业学生主要学习智能科学技术及相关信息科学技术的基础理论和专业知识。学生接受从事科学研究、工程技术开发、教学、管理及应用等方面所需要的基本训练，具备从事智能系统、智能信息处理、智能行为决策等方面研究、开发、应用及管理的综合能力。 毕业生应获得以下几个方面的知识和能力： 1、具有较扎实的自然科学基础，较好的人文社会科学基础和外语能力。 2、系统掌握本专业领域必需的科学技术基础理论知识，主要包括电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、数据库技术、网络工程等。 3、较好地掌握智能系统、智能信息处理等方面的专业知识，具有本专业领域1～2个方向的专业知识和技能，了解本专业学科的前沿和发展趋势，获得较好的工程实践训练，具有熟练的计算机应用能力。 4、具有本专业的科学研究、科技开发和组织决策管理能力，具有较强的工作适应能力。 5、能将智能技术与计算机技术、信息处理、控制技术有机结合应用于工程实践，具有创新意识和一定的创新能力。 三、主干学科 控制科学与控制工程、电气工程、计算机科学与技术 四、主要课程和特色课程 本专业主干课程主要包括：电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、Web程序设计、语音信号处理、决策支持技术、运筹学、虚拟现实与智能游戏、智能优化算法及其应用、生物特征识别等。
重庆理工大学 专业选修课课程考查报告 《AI的发展与未来》 课程名称：《人工智能及应用》 专业：软件工程 学号： 学生姓名： 提交时间：2017年5月5日
进入人工智能 人工智能的话题，在近年尤其火热，很多人是因为在2016年看到AlphaGo打败了世界围棋冠军李世石。这使得大家对人工智能非常感兴趣，同时也有很多人思考人工智能是否应该继续无节制地发展下去？人们会担忧将来人工智能发展到一定的高度可能会取代人类。包括霍金、比尔·盖茨这样伟大的人物也怀疑人工智能。 我们谁都无法下结论说到底该不该发展人工智能，所以我们先来了解一下什么是人工智能，否则我们只会在对人工智能的恐惧中无法获得理性认知。 人工智能似乎没有明确的定义。人工智能就是研究如何使计算机去做过去只有人才能做的智能工作[1]，这是美国麻省理工学院的温斯顿教授认为的人工智能。人工智能大概来说可能是有几个部分，首先是感知，感知是包括视觉、语音、语言；然后是决策，做一些预测，做一些判断；那当然如果你要做一套完整的系统，就像机器人或是自动驾驶，它会需要一个反馈[2]。 人工智能的发展 通过了解人工智能发展的主要里程碑，可能会更加直观的了解人工智能。在感知方面，比如我国的科大讯飞。该企业使命是让机器能听会说，能理解会思考；用人工智能建设美好世界[3]。正如他们的企业使命，讯飞语音识别软件现在已经能听懂人们所说的，而且正确率相当高，如果要打很多字完全可以不动手，直接念一遍就都以文字的形式输出来。以前电视里播的现场直播都是没有字幕的，现在已经可以在直播的时候也可以看到实时字幕。可见语音识别给我们带来了巨大的便利。还如微软的小冰，你可以在微信关注她，并且同她聊天，还可以和她语音聊天，她甚至可以为你唱歌。现在小冰会的东西越来越多，也越来越智能。 决策方面，从早期MicrosoftOffice里的工具到Google广告的推荐，然后到金融行业的很多智能决策公司的出现，进步迅速。现在的gamil，有时候收到email，Google会跳出来问要不要发回复，有时候它连回复都帮你写好了，而且写的很精确。这也是人工智能的体现。可能以后我们讲话都不用，助理能帮我们搞定。最后是反馈，比如无人驾驶汽车，它通过车载传感系统感知道路环境，并根据感知所获得的道路、车辆位置和信息，控制车辆的转向和速度，自动规划行车路线并控制车辆到达预定目标的。从而使车辆能够安全、可靠地在道路上行驶。 深度学习及其应用领域 提到人工智能就不得不提深度学习，它是一种神经网络，它的特点是使用了多层网络，能够学习抽象概念，同时融入自我学习，而且收敛相对快速。收敛快速可能是一种技巧，不见得是一个理论，但是有一批人通过它解决了很多重要的问题。简单的来说，如果我们有很多笑脸，然后我们把笑脸的像素输入到一个神经网络里面去，最后你那儿希望让机器能识别这是姚明，那是马云，但是因为你这个深度学习的网络很深，要一次性学会这么多也会比较困难，所以就需要用到一个比较快速收敛的技巧——自我学习。通过自我学习，机器会逐步从大量的样本中逐层抽象出相关的概念，然后做出理解，最终做出判断和决策。深度学习或者是任何的机器学习，它是不是超越人类的能力表现，如果超越的话，可能很多应用就会产生。比如在机场，如果机器识别人脸的准确度超过人，那么那些边防的人就可能不需要那么多。这并不是说机器不会犯错，而是说既然人不能比机器做的更好，那不妨就用机器取代。
内蒙古科技大学2015/2016 学年第一学期《人工智能》结课报告 课程号：76807376-01 考试方式：结课报告 使用专业、年级：计算机应用2013-3，4 任课教师：陈淋艳 班级：13级计算机3班 学号：13768073** 姓名：李**
目录 前言 (3) 一、专家系统简介 (5) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (11) 七、专家系统的总结 (12) 八、学习心得 (12) 参考文献 (13)
人工智能是近年来引起人们很大兴趣的一个领域：它的研究目标是用机器，通常为电子仪器、电脑等，尽可能地模拟人的精神活动，并且争取在这些方面最终改善并超出人的能力;其研究领域及应用范围十分广泛、例如，自动定理证明、推理、模式识别、专家知识系统、智能机器人、学习、博彩、自然语言理解等等。 模式识别可能是人工智能这门学科中最基本也是最重要的一部分。简单来说，模式识别就是让电脑能够认识它周围的事物，使我们与电脑的交流更加自然与方便。它包括文字识别(读)、语音识别(听)、语音合成(说)、自然语言理解与电脑图形识别。 现在的电脑可以说是又耸又哑，而且还是个瞎子，如果模式识别技术能够得到充分发展并应用于电脑，那我们就能够很自然地与电脑进行交流，开也不需要记那些英文的命令就可以立接向电脑下命令。这也为智能机器人的研究提供了必要条件，它能使机器人能够像人一样与外面的世界进行交流。 在人工智能的应用当中最有趣的应该就是机器人了其实机器人的范围很广，不仅包括各种外型的智能机器人，还包括一些用于工业生产的、用于代替人类劳动的机器人、现在的机器人技术在制造只有某一种功能的机器人方面已经取得了一定的成果、但是要研制一种多功能、人性化的智能机器人，还需要不少时间。 到了那时，我们在科幻片中看到的人类与机器人的矛盾不知会不会成为现实。专家系统具有一定的商业特性、它先把某一种行业(譬如医
《人工智能导论》课程报告 课题名称：五子棋 姓名: X X 学号：114304xxxx 课题负责人名（学号）： X X114304xxxx 同组成员名单（学号、角色）： x x1143041325 XXX1143041036 指导教师：张建州 评阅成绩： 评阅意见： 提交报告时间：2014年 1 月 9 日
五子棋 计算机科学与技术专业 学生XXX 指导老师张建州 [摘要]人类之所以不断在进步，是因为我们人类一直不断的在思考，五子棋游戏程序的开发符合人类进步也是促进人类进步的一大动力之一。五子棋游戏程序让人们方便快捷的可以下五子棋，让人们在何时都能通过下棋来提高逻辑思维能力，同时也培养儿童的兴趣以及爱好，让孩子更加聪明。 同时，五子棋游戏程序的开发也使得五子棋这个游戏得到了广泛的推广，让世界各地的人们知道五子棋，玩上五子棋，这已经不是局限。五子棋游戏程序使得越来越多的人喜欢上了五子棋，热爱下五子棋，它是具有很好的带动性的。 关键词：五子棋进步思考
目录 《人工智能导论》课程报告 0 1 引言 (3) 1.1五子棋简介 (3) 1.2 五子棋游戏的发展与现状 (3) 2 研究问题描述 (4) 2.1 问题定义 (4) 2.2 可行性研究 (4) 2.3 需求分析 (5) 2.4 总体设计 (5) 2.5 详细设计 (6) 2.6编码和单元测试 (6) 3 人工智能技术 (6) 4 算法设计 (7) 4.1α-β剪枝算法 (7) 4.2极大极小树 (7) 4.3深度优先搜索（DFS） (8) 4.4静态估值函数 (9) 5 软件设计和实现 (9) 5.1 数据结构定义 (9) 5.2 程序流程图 (17) 6 性能测试 (18) 6.1 程序执行结果 (18) 7 总结 (21) 参考文献 (21)
研究生学位课程论文论文题目：人工智能的日常应用
人工智能的日常应用 摘要：人工智能（Artificial Intelligence）,英文缩写为AI，是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展的综合性学科。21世纪是计算机科技飞速发展的时代，随着科技的不断发展，一些新型人工智能技术正在走进人类的生活，在我们的日常生活和学习当中也有许多地方得到应用。本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，通过这篇文章使我们对身边的人工智能应用有一个感性的认识。 关键词：人工智能（AI）应用计算机 人工智能是近年来引起人们很大兴趣的一个研究领域：它的研究目标是用机器，通常为电子仪器、电脑等，尽可能地模拟人的精神活动，并且争取在这些方面最终改善并超出人的能力；其研究领域及应用范围十分广泛、例如，自动定理证明、推理、模式识别、专家知识系统、智能机器人、学习、博彩、自然语言理解等等。本文主要介绍符号计算、模式识别、专家系统、机器翻译四个方面的人工智能的日常生活应用。 一、符号计算 计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域;。另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。早在50年代末,人们就开始对此研究。进入80年代后,随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematica和Maple是它们的代表，由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。Mathematica是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方便地用它进行多种形式的数学处理。 计算机代数系统的优越性主要在于它能够进行大规模的代数运算。通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数后,手工计算就很困难了,这时用计算机代数系统进行运算就可以做到准确,快捷,有效。现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。在操作界面上一般都支持交互式处理,人们通过键盘输入命令,计算机处理后即显示结果。并且人机界面友好,命令输入方便灵活,很容易寻求帮助。 尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性,但是,计算机毕竟是机器,它只能执行人们给它的指令，有一定的局限性。首先,多数计算机代数系统对计算机硬件有较高的要求,在进行符号运算时,通常需要很大的内存和较长的计算时间,而精确的代数运算以时间和空间为代价的。第二个问题是用计算机代数系统进行数值计算,虽然计算精度可以到任意位,但由于计算机代数系统是用软件本身浮点运算代替硬件算术运算,所以在速度要比用Fortran 语言算同样的问题慢百倍甚至千倍。另外,虽然计算机代数系统包含大量的数学知识,但这仅仅是数学中的一小部分,目前仍有许多数学领域未能被计算机代数系统涉及。计算机代数系统仍在不断地发展和完善之中。