全书共分9章：第l章概述智能优化计算的基本定义，简单介绍一些典型智能计算模型，建立智能计算基本印象；第2章介绍BP神经网络及其在数字图像领域中的应用，通过BP神经网络的学习认识智能学习算法的基本构建与思路，为掌握后面的极限学习、深度学习等机器学习算法奠定基础；第3章介绍群体智能算法及其应用，利用蚁群算法解决TsP问题，深化认识优化计算对求解NP问题具有很高效率；第4章介绍遗传算法原理及其在图像处理中的应用，进一步理解仿生计算方法促进智能计算的思想和应用途径；第5章介绍灰色系统理论及其在图像处理中的应用，这里可以了解经济学优化算法在智能计算中的作用，拓展智能算法研究思路；第6章介绍极限学习理论及其在图像理解中的应用，能够学习到通过神经网络与图论的结合提高智能计算效率的思路；第7章介绍最小二乘法、主成分分析、支持向量机等常见优化算法，学习最优化理论、设计思路和求解过程；第8章拓展学习深度学习算法，重点学习卷积神经网络原理与视觉实践；第9章拓展学习推荐系统，让我们将人工智能、大数据挖掘和机器学习算法柔性融合，以解决人们兴趣偏好识别的问题，提高生活效益。

第l章 智能优化计算概述
1.1 智能优化计算
1.2 人工神经网络
1.3 遗传算法
1.4 群体智能
1.5 小结
1.6 参考文献
第2章 基于BP神经网络优化的数字图像处理
2.1 数字图像介绍
2.2 数字图像处理与识别
2.3 人工神经网络的基本原理
2.4 BP算法在手写数字字符识别中的应用
2.5 小结
2.6 参考文献
第3章 蚁群算法及其应用
3.1 蚁群算法的基本原理
3.2 蚂蚁系统
3.3 蚁群算法在求解TSP问题中的应用
3.4 小结
3.5 参考文献
第4章 遗传算法优化在数字图像水印技术中的应用
4.1 遗传算法简介
4.2 遗传算法的特点
4.3 遗传算法的原理
4.4 遗传算法的伪码
4.5 基本遗传算法优化
4.6 基于遗传算法的DCT域图像水印
4.7 基于GA的DCT域图像水印算法实例
4.8 小结
4.9 参考文献
第5章 灰色系统在医学图像处理中的应用
5.1 灰色系统的产生
5.2 灰色系统理论的基本概念
5.3 灰色关联分析
5.4 基于灰色系统理论的各向异性扩散图像去噪方法
5.5 小结
5.6 参考文献
第6章 基于极限学习优化的视频图像识别研究
6.1 视频图像理解
6.2 典型的视频图像识别技术
6.3 极限学习机原理
6.4 关联图正则极限学习算法
6.5 小结
6.6 参考文献
第7章 常用优化计算
7.1 最小二乘法
7.2 主成分分析
7.3 支持向量机
7.4 小结
7.5 参考文献
第8章 深度学习
8.1 初识深度学习
8.2 卷积神经网络
8.3 卷积神经网络学习算法
8.4 典型CNN结构
8.5 深度学习的网络优化与正则化
8.6 深度学习的应用
8.7 深度学习的进一步研究方向
8.8 小结
8.9 参考文献
第9章 推荐算法优化及应用
9.1 基于内容的推荐算法
9.2 基于图的推荐算法
9.3 基于关联算法的协同过滤
9.4 基于聚类算法的协同过滤
9.5 推荐算法的研究新方向
9.6 小结
9.7 参考文献