2.1.1 知识的特性

2.1.2 知识的分类

2.1.3 知识的表示方法

2.2 谓词逻辑表示

2.2.1 命题逻辑

2.2.2 谓词逻辑

2.3 产生式表示

2.3.1 产生式表示法

2.3.2 产生式系统

2.4 语义网络

2.5 框架表示

2.6 脚本表示

第3章 基本推理原理

3.1 推理的基本概念

3.1.1 推理的定义

3.1.2 推理方法及其分类

3.1.3 推理的控制策略及其分类

3.2 自然演绎推理

3.3 归结反演推理

3.3.1 子句集及其化简

3.3.2 鲁滨孙归结原理

3.4 不确定推理概述

3.4.1 不确定推理的概念

3.4.2 不确定推理的基本问题

3.4.3 不确定性推理的方法

第4章 搜索原理

4.1 搜索原理概述

4.1.1 搜索的概念

4.1.2 搜索方法的分类

4.1.3 状态空间、搜索空间与解路径

4.1.4 搜索成本

4.2 盲目搜索策略

4.2.1 回溯策略

4.2.2 图搜索策略

4.2.3 深度优先搜索

4.2.4 宽度优先搜索

4.2.5 等代价搜索

4.3 启发式搜索

4.3.1 启发式搜索的概念与必要性

4.3.2 启发式搜索算法A

4.3.3 爬山策略搜索

4.3.4 启发式搜索算法A*

4.4 博弈树搜索

4.4.1 博弈树搜索的概念

4.4.2 Grundy博弈

4.4.3 极小极大分析法

4.4.4 α-β剪枝

4.4.5 其他改进方法

第5章 模糊逻辑

5.1 模糊集合

5.1.1 集合的概念

5.1.2 模糊集合

5.1.3 模糊集合表示方法

5.1.4 模糊集合的运算

5.1.5 隶属函数

5.1.6 分解定理

5.1.7 扩展原理

5.2 模糊关系与推理

5.2.1 模糊语言

5.2.2 模糊关系

5.2.3 模糊规则与推理

5.3 模糊系统

5.3.1 模糊推理系统

5.3.2 模糊推理方法（Ⅰ）

5.3.3 模糊推理方法（Ⅱ）

5.3.4 解模糊方法

5.4 模糊控制

5.4.1 控制的概念

5.4.2 模糊控制器

5.4.3 模糊控制系统

5.4.4 非线性分析

5.4.5 模糊逻辑工具箱

第6章 神经网络

6.1 概述

6.1.1 基本概念

6.1.2 人工神经元

6.1.3 神经网络结构与学习

6.1.4 神经网络的发展

6.1.5 神经网络的特点

6.2 人工神经网络

6.2.1 感知器

6.2.2 自适应线性单元

6.2.3 多层前向网络

6.2.4 神经网络的应用

第7章 进化计算

7.1 遗传算法概述

7.1.1 遗传算法的产生、发展与应用

7.1.2 遗传学与遗传算法的基本思想

7.2 基本遗传算法

7.2.1 简单函数优化实例

7.2.2 基本遗传算法的算法描述

7.3 遗传算法的数学理论基础

7.3.1 模式理论

7.3.2 欺骗问题

7.4 遗传算法的实现技术

7.4.1 编码

7.4.2 群体设定

7.4.3 适应度函数

7.4.4 遗传操作

7.4.5 收敛性

第8章 群体智能

8.1 概述

8.2 粒子群优化原理

8.2.1 PSO标准算法

8.2.2 PSO算法特性

8.3 粒子群改进算法

8.3.1 动态自适应参数

8.3.2 粒子多样性

8.3.3 多子群拓扑结构

8.3.4 混合PSO

8.4 参数估计问题

第9章 数据挖掘

9.1 概述

9.2 数据挖掘KDD

9.2.1 KDD的基本概念

9.2.2 KDD的基本过程

9.2.3 数据挖掘系统

9.3 数据挖掘功能

9.3.1 概念描述

9.3.2 关联分析

9.3.3 信息分类

9.3.4 聚类

9.3.5 偏差检测

9.4 数据挖掘技术与方法

9.5 关联分析

9.5.1 关联的基本概念

9.5.2 关联规则

9.5.3 Apriori算法

9.6 聚类分析

9.6.1 聚类概述

9.6.2 聚类问题

9.6.3 聚类方法

9.6.4 层次聚类

9.6.5 划分聚类