智能信息处理是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的方法。智能信息处理是当前科学技术发展中的前沿学科，同时也是新思想、新观念、新理论、新技术不断出现并迅速发展的新兴学科，它涉及到信息科学的多个领域，是信息论、概率与推理、神经网络等理论和方法的综合应用。
翻译
搜索
复制
Overview
Syllabus
- 第一章 智能信息处理简介
- 1.1 智能信息处理-学习方法
- 第二章 信息论与熵
- 2.1 信息导论
- 2.2 数据与信息
- 2.3 香农信息量
- 2.4 信息熵
- 2.5 信息熵的基本性质
- 2.6 信息熵、条件熵、联合熵之间的联系
- 第三章 数据压缩
- 3.1 基本定理推广
- 3.2 扩展信源熵的性质
- 3.3 马尔可夫信源
- 第四章 信道编码
- 4.1 码的类型
- 4.2 信源编码
- 4.3 码树
- 4.4 克劳福特不等式
- 4.5 无失真信源编码条件
- 4.6 Huffman编码
- 4.7 信道与信道容量
- 4.8 信道编码
- 4.9 信道容量
- 4.10 线性纠错码的检、纠错能力
- 第五章 概率与推理
- 5.1 理解相似度量的各种方法和相互联系
- 5.2 掌握K-means聚类的思路和使用条件
- 5.3 总结（K-MEANS 聚类算法总结）
- 5.4 层次聚类的思路和方法
- 5.5 聚类评价指标及其意义
- 5.6 聚类实践
- 智能信息处理考试题
Taught by
Jing Teng, Wang Qingle, and Ju Yun
