书籍推荐

入门与进阶推荐书目，按研究方向分类整理，持续更新中。 📗 入门推荐  |  📘 进阶提升  |  📕 专业参考

模糊集与模糊理论

Fuzzy Sets and Fuzzy Logic: Theory and Applications 📗
G.J. Klir & B. Yuan · Prentice Hall, 1995 · ISBN: 978-0-13-101171-7

模糊集与模糊逻辑领域内容最为系统全面的经典教材，覆盖模糊集基础理论、模糊逻辑、近似推理、模糊关系、可能性理论及应用，适合作为入门后的第一本正式参考书。

Fuzzy Set Theory — and Its Applications 📗
H.-J. Zimmermann · Springer, 2001（第四版）· DOI: 10.1007/978-94-010-0646-0

侧重工程与管理应用，语言平易，对理论推导不做过多深究，适合希望快速了解模糊集如何应用于实际问题的读者。

Intuitionistic Fuzzy Sets: Theory and Applications 📘
K.T. Atanassov · Springer, 1999 · DOI: 10.1007/978-3-7908-1870-3

直觉模糊集理论的权威著作，由提出者本人撰写，系统阐述了 IFS 的代数结构、运算性质及应用方向，是深入研究 IFS 的必备参考。

Type-2 Fuzzy Sets and Systems: An Introduction 📘
J.M. Mendel · Springer, 2017 · ISBN: 978-3-319-46762-2

二型模糊集及系统的系统性介绍，由该领域的主要推动者撰写，覆盖区间二型模糊集的建模、推理与优化，适合已有一型模糊基础的读者进阶学习。

《模糊集引论》 📗
刘宝碇、赵瑞清、王纲 · 北京师范大学出版社

国内经典中文入门教材，讲述严谨，内容循序渐进，对于初涉模糊集理论的学生来说是首选中文读本之一。

决策理论

Multiple Attribute Decision Making: Methods and Applications 📕
C.-L. Hwang & K. Yoon · Springer, 1981 · DOI: 10.1007/978-3-642-48318-9

多属性决策方法的经典奠基著作，系统整理了 TOPSIS 及多种 MADM 方法，至今仍是该领域最常被引用的书籍之一。

Multicriteria Decision Analysis: State of the Art Surveys 📘
J. Figueira, S. Greco & M. Ehrgott (eds.) · Springer, 2005 · DOI: 10.1007/b100605

多准则决策分析领域的综合型参考书，由各方向权威研究者分章撰写，覆盖 AHP、ELECTRE、PROMETHEE、模糊 MCDM 等主流方法。

《不确定多属性决策方法及应用》 📘
徐泽水 · 清华大学出版社，2004

国内该领域最具影响力的中文专著，系统介绍了直觉模糊、区间值模糊等不确定性框架下的多属性决策方法，对跟进国内研究脉络非常有帮助。

模糊系统与控制

Neuro-Fuzzy and Soft Computing 📘
J.-S.R. Jang, C.-T. Sun & E. Mizutani · Prentice Hall, 1997

经典神经模糊教材，将模糊推理系统、神经网络与遗传算法统一在软计算框架下介绍，兼顾理论与 MATLAB 实验，是学习 ANFIS 的最佳入门书。

Fuzzy Control Systems Design and Analysis 📘
K. Tanaka & H.O. Wang · Wiley, 2001

T-S 模糊控制系统的权威参考，从稳定性分析到控制器设计均有严格的理论支撑，适合需要深入研究模糊控制的工程背景读者。

机器学习与数据科学

Pattern Recognition and Machine Learning 📘
C.M. Bishop · Springer, 2006 · ISBN: 978-0-387-31073-2

机器学习领域最经典的教材之一，以贝叶斯视角贯穿全书，覆盖线性模型、核方法、概率图模型、EM 算法、神经网络等内容，数学推导严谨。

The Elements of Statistical Learning 📘
T. Hastie, R. Tibshirani & J. Friedman · Springer, 2009（第二版）· ISBN: 978-0-387-84858-7

统计学习方法的全面参考，覆盖回归、分类、集成方法、SVM、神经网络等，兼顾统计理论与机器学习实践。作者提供免费 PDF。

《统计学习方法》（第二版） 📗
李航 · 清华大学出版社，2019

国内机器学习方向最常用的入门参考书，对感知机、朴素贝叶斯、SVM、EM、HMM、CRF 等方法讲解清晰，公式推导严谨，适合打好理论基础。

《机器学习》 📗
周志华 · 清华大学出版社，2016

俗称"西瓜书"，是国内最流行的机器学习入门教材，覆盖面广，语言平易，配套习题和南瓜书（公式推导补充）资源丰富，适合本科及研究生入门。

《动手学深度学习》（第二版） 📗
李沐 等 · 人民邮电出版社，2023

理论与代码并重，以 PyTorch 为实现框架，从线性神经网络到 Transformer 逐步讲解，附有丰富的实验示例。在线版 免费阅读。

粒计算

Granular Computing: Analysis and Design of Intelligent Systems 📘
W. Pedrycz · CRC Press, 2013

粒计算领域的系统性专著，详细讨论了信息粒化的原理、粒度层次结构以及在分类、聚类、预测中的应用，是深入研究粒计算的核心参考。

Rough Sets: Theoretical Aspects of Reasoning about Data 📕
Z. Pawlak · Kluwer, 1991 · ISBN: 978-0-7923-1472-1

粗糙集理论的奠基著作，由提出者本人撰写，为不完整信息和不确定性的处理提供了代数与逻辑基础，与粒球计算研究密切相关。

大语言模型与自然语言处理

Speech and Language Processing 📗
D. Jurafsky & J.H. Martin · 在线版（第三版草稿），2024

NLP 领域最权威的入门教材，涵盖从 n-gram 语言模型、词向量到 Transformer 的完整知识体系。作者免费提供在线阅读。

Natural Language Processing with Transformers 📗
L. Tunstall, L. von Werra & T. Wolf · O’Reilly, 2022

以 HuggingFace 生态为核心的实战教材，从文本分类、命名实体识别到问答、生成任务均有完整代码示例，适合快速上手 Transformer 应用开发。

数学基础

Convex Optimization 📘
S. Boyd & L. Vandenberghe · Cambridge University Press, 2004 · ISBN: 978-0-521-83378-3

凸优化领域的标准教材，清晰阐述凸集、凸函数、对偶理论及各类优化算法，机器学习与决策理论研究的重要数学工具。作者免费提供 PDF。

Linear Algebra and Its Applications 📗
G. Strang · Cengage, 2006

线性代数最经典的入门教材之一，重视几何直觉与应用背景而非纯粹的公式堆砌，MIT 公开课视频与教材相互配套。

决策理论

模糊系统与控制

机器学习与数据科学

粒计算与信息粒化

大语言模型与自然语言处理

数学基础