中圖網(wǎng)小程序
一鍵登錄
更方便
包郵 大數(shù)據(jù)智能挖掘與影像解譯
作者：緱水平
開(kāi)本：
其他
頁(yè)數(shù)：
304
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥41.5
加入購(gòu)物車(chē)
大數(shù)據(jù)智能挖掘與影像解譯 版權(quán)信息
- ISBN：9787560662497
- 條形碼：9787560662497 ; 978-7-5606-6249-7
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
大數(shù)據(jù)智能挖掘與影像解譯 內(nèi)容簡(jiǎn)介
本書(shū)在介紹數(shù)據(jù)挖掘基本概念、原理和算法的基礎(chǔ)上，詳細(xì)介紹了圖像數(shù)據(jù)的表示、圖像存儲(chǔ)、圖像分類(lèi)和目標(biāo)識(shí)別、異常檢測(cè)、圖像關(guān)聯(lián)分析、多媒體數(shù)據(jù)混合挖掘等內(nèi)容，展示了智能數(shù)據(jù)挖掘技術(shù)與影像解譯信息的過(guò)程，并對(duì)數(shù)據(jù)挖掘在人工智能、圖像處理、模式識(shí)別、數(shù)據(jù)庫(kù)等領(lǐng)域的研究進(jìn)行了詳細(xì)的論述。 全書(shū)共分8章，主要內(nèi)容包括數(shù)據(jù)挖掘概述及分類(lèi)、數(shù)據(jù)挖掘的理論基礎(chǔ)、關(guān)聯(lián)規(guī)則挖掘、數(shù)據(jù)挖掘應(yīng)用實(shí)例及可視化、數(shù)據(jù)挖掘中的圖像表示與數(shù)據(jù)預(yù)處理、圖像目標(biāo)檢測(cè)、圖像分割、圖像分類(lèi)與識(shí)別。 本書(shū)可作為高等學(xué)校人工智能、計(jì)算機(jī)、信號(hào)與信息處理、應(yīng)用數(shù)學(xué)等專(zhuān)業(yè)高年級(jí)本科生和研究生的教材，也可作為數(shù)據(jù)挖掘方面的研究人員的參考資料。
大數(shù)據(jù)智能挖掘與影像解譯 目錄
第1章 緒論 1
1.1 數(shù)據(jù)挖掘概述 2
1.2 數(shù)據(jù)挖掘的分類(lèi) 5
1.2.1 基于數(shù)據(jù)類(lèi)型的分類(lèi) 5
1.2.2 基于所挖掘的知識(shí)類(lèi)型的分類(lèi) 6
1.2.3 基于所采用技術(shù)的分類(lèi) 6
1.2.4 基于數(shù)據(jù)挖掘方法的分類(lèi) 8
1.2.5 基于數(shù)據(jù)挖掘應(yīng)用的分類(lèi) 8
1.3 數(shù)據(jù)挖掘研究的公開(kāi)問(wèn)題 9
1.4 國(guó)內(nèi)外數(shù)據(jù)挖掘研究現(xiàn)狀 12
1.4.1 關(guān)聯(lián)規(guī)則挖掘 13
1.4.2 分類(lèi)規(guī)則挖掘 14
1.4.3 聚類(lèi)規(guī)則挖掘 17
1.4.4 Internet/Web數(shù)據(jù)挖掘 19
1.4.5 圖像數(shù)據(jù)挖掘 22
1.4.6 數(shù)據(jù)挖掘過(guò)程中的計(jì)算智能方法 23
習(xí)題 26
延伸閱讀 27
本章參考文獻(xiàn) 27
第2章 KDD的理論基礎(chǔ) 30
2.1 數(shù)學(xué)理論1 30
2.1.1 統(tǒng)計(jì)學(xué)理論 31
2.1.2 支持向量機(jī)理論 34
2.1.3 模糊集理論 38
2.1.4 粗糙集理論 39
2.2 數(shù)學(xué)理論2 41
2.2.1 概率論基礎(chǔ) 41
2.2.2 貝葉斯概率 42
2.2.3 貝葉斯學(xué)習(xí)理論 43
2.3 機(jī)器學(xué)習(xí)理論 44
2.4 數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù)理論 54
2.5 可視化理論 59
2.6 圖像數(shù)據(jù)庫(kù)理論 60
2.6.1 圖像特征數(shù)據(jù)立方體的模式 60
2.6.2 數(shù)據(jù)立方體的原語(yǔ)定義 61
習(xí)題 62
延伸閱讀 64
本章參考文獻(xiàn) 64
第3章 關(guān)聯(lián)規(guī)則挖掘 66
3.1 關(guān)聯(lián)規(guī)則的基本概念 66
3.2 關(guān)聯(lián)規(guī)則的類(lèi)型及挖掘算法 68
3.3 基于關(guān)系代數(shù)理論的關(guān)聯(lián)規(guī)則挖掘 69
3.3.1 基于關(guān)系代數(shù)理論的關(guān)聯(lián)規(guī)則挖掘算法ORAR 70
3.3.2 基于概念分層的泛化關(guān)聯(lián)規(guī)則挖掘算法RGAR 73
3.3.3 模糊關(guān)聯(lián)規(guī)則的挖掘算法 76
3.4 基于組織進(jìn)化的關(guān)聯(lián)規(guī)則挖掘 76
3.4.1 基于組織進(jìn)化的關(guān)聯(lián)規(guī)則挖掘算法 78
3.4.2 實(shí)驗(yàn)與結(jié)果分析 80
3.5 基于組織多層次進(jìn)化的關(guān)聯(lián)規(guī)則挖掘及其分析 81
3.5.1 基于組織多層次進(jìn)化的關(guān)聯(lián)規(guī)則挖掘 81
3.5.2 算法的計(jì)算復(fù)雜度分析 83
3.5.3 實(shí)驗(yàn)與結(jié)果分析 83
3.6 基于組織協(xié)同進(jìn)化的Web日志挖掘 88
3.6.1 Web日志挖掘數(shù)據(jù)模型的建立 89
3.6.2 組織協(xié)同進(jìn)化Web日志挖掘 90
3.6.3 算法分析 91
3.6.4 實(shí)驗(yàn)與結(jié)果分析 92
3.7 基于多克隆選擇的多維關(guān)聯(lián)規(guī)則挖掘 93
3.7.1 染色體的編碼 93
3.7.2 親和度函數(shù)的構(gòu)造 94
3.7.3 基于多克隆選擇的多維關(guān)聯(lián)規(guī)則挖掘 94
3.7.4 實(shí)驗(yàn)與結(jié)果分析 95
3.8 基于免疫克隆選擇算法的孤立點(diǎn)挖掘 97
3.8.1 孤立點(diǎn)挖掘 97
3.8.2 基于克隆選擇算法的孤立點(diǎn)挖掘 99
3.8.3 實(shí)驗(yàn)與結(jié)果分析 100
習(xí)題 102
延伸閱讀 104
本章參考文獻(xiàn) 105
第4章 數(shù)據(jù)挖掘應(yīng)用實(shí)例及可視化 107
4.1 測(cè)繪數(shù)據(jù)挖掘 107
4.1.1 測(cè)繪數(shù)據(jù)集描述 108
4.1.2 DEM提取地面坡度的不確定性研究與實(shí)驗(yàn) 110
4.1.3 同一地區(qū)不同地形因子對(duì)平均坡度的影響研究 118
4.2 分類(lèi)挖掘機(jī)理與文檔分類(lèi) 120
4.2.1 分類(lèi)的形式化定義 121
4.2.2 基于數(shù)據(jù)庫(kù)的分類(lèi)挖掘機(jī)理 122
4.2.3 虛擬數(shù)據(jù)庫(kù)與Web挖掘 126
4.2.4 文本分類(lèi)與降維技術(shù) 127
4.3 基于Petri網(wǎng)的可視化模型 135
4.3.1 可視化的常用工具 136
4.3.2 Petri網(wǎng)的基本概念 137
4.3.3 基于Petri網(wǎng)的魯棒性的可視化模型 141
習(xí)題 148
延伸閱讀 149
本章參考文獻(xiàn) 150
第5章 數(shù)據(jù)挖掘中的圖像表示與數(shù)據(jù)預(yù)處理 151
5.1 多尺度幾何表示 151
5.1.1 Ridgelet變換 153
5.1.2 Curvelet變換 153
5.1.3 Contourlet變換 154
5.1.4 Brushlet變換 156
5.2 圖像的稀疏表示 156
5.2.1 基于幾何正則性的圖像稀疏表示 158
5.2.2 基于CS理論的圖像稀疏表示 158
5.3 圖像去噪 162
5.3.1 基于空域的濾波方法 162
5.3.2 基于頻域的濾波方法 163
5.4 圖像的特征提取與選擇 164
5.4.1 圖像特征描述 165
5.4.2 圖像特征提取 165
5.4.3 圖像特征選擇 168
習(xí)題 170
延伸閱讀 170
本章參考文獻(xiàn) 171
第6章 圖像目標(biāo)檢測(cè) 173
6.1 目標(biāo)檢測(cè)背景 173
6.2 目標(biāo)檢測(cè)中的預(yù)處理和閾值分割 174
6.2.1 預(yù)處理 174
6.2.2 閾值分割 177
6.3 目標(biāo)檢測(cè)方法 179
6.3.1 光流法 179
6.3.2 背景差分法 181
6.3.3 幀間差分法 182
6.4 遙感圖像變化檢測(cè) 184
6.4.1 背景 184
6.4.2 變化檢測(cè)的基本概念 185
6.4.3 變化檢測(cè)的步驟 185
6.4.4 遙感圖像的預(yù)處理 186
6.4.5 變化信息檢測(cè) 187
6.4.6 檢測(cè)結(jié)果評(píng)價(jià) 187
6.4.7 變化檢測(cè)的主要方法 187
6.4.8 基于均值平移和多尺度分析的遙感圖像變化檢測(cè)方法 189
6.5 遙感圖像道路檢測(cè) 199
6.5.1 背景 199
6.5.2 遙感圖像道路特征分析與提取方法 202
6.5.3 基于動(dòng)態(tài)匹配與中心校正的道路半自動(dòng)提取算法 207
習(xí)題 217
延伸閱讀 217
本章參考文獻(xiàn) 218
第7章 圖像分割 219
7.1 圖像分割的概念 220
7.2 圖像分割的意義 222
7.3 傳統(tǒng)圖像分割方法 222
7.3.1 基于邊緣的分割方法 222
7.3.2 基于區(qū)域的分割方法 225
7.3.3 實(shí)驗(yàn)與結(jié)果分析 228
7.4 模型驅(qū)動(dòng)的分割方法 228
7.4.1 基于馬爾可夫隨機(jī)場(chǎng)模型的圖像分割方法 229
7.4.2 基于模糊集理論的圖像分割方法 229
7.4.3 基于數(shù)學(xué)形態(tài)學(xué)的圖像分割方法 229
7.4.4 基于多尺度理論的圖像分割方法 230
7.4.5 基于偏微分理論的圖像分割方法 230
7.5 深度學(xué)習(xí)的分割方法 236
7.5.1 Unet網(wǎng)絡(luò)結(jié)構(gòu) 237
7.5.2 數(shù)據(jù)預(yù)處理 238
7.5.3 實(shí)驗(yàn)參數(shù)設(shè)置 238
7.5.4 評(píng)價(jià)指標(biāo) 238
7.5.5 實(shí)驗(yàn)與結(jié)果分析 239
7.6 圖像分割的應(yīng)用 242
習(xí)題 243
延伸閱讀 244
本章參考文獻(xiàn) 244
第8章 圖像分類(lèi)與識(shí)別 246
8.1 圖像目標(biāo)分類(lèi)與識(shí)別 246
8.1.1 圖像目標(biāo)分類(lèi)與識(shí)別的研究 246
8.1.2 圖像目標(biāo)識(shí)別技術(shù)的關(guān)鍵問(wèn)題 248
8.2 基于稀疏表示的圖像分類(lèi) 250
8.2.1 SIFT特征提取算法 250
8.2.2 構(gòu)建特征金字塔 252
8.2.3 遷移學(xué)習(xí) 253
8.2.4 基于稀疏表示的圖像分類(lèi) 253
8.2.5 實(shí)驗(yàn)與結(jié)果分析 254
8.3 基于自適應(yīng)PSO的人工免疫網(wǎng)絡(luò)分類(lèi)算法 255
8.3.1 標(biāo)準(zhǔn)PSO算法和自適應(yīng)PSO算法 256
8.3.2 部分術(shù)語(yǔ)的定義 257
8.3.3 算法及其關(guān)鍵技術(shù) 257
8.3.4 算法的復(fù)雜度分析 260
8.3.5 實(shí)驗(yàn)與結(jié)果分析 260
8.3.6 算法參數(shù)分析 266
8.4 基于Curvelet+KFD特征提取的SAR目標(biāo)識(shí)別 267
8.4.1 Curvelet變換 268
8.4.2 KFD降維 268
8.4.3 LSSVM訓(xùn)練和識(shí)別 268
8.5 基于多視角學(xué)習(xí)和加權(quán)的證據(jù)組合的SAR目標(biāo)識(shí)別 269
8.5.1 引言 269
8.5.2 基于多視角學(xué)習(xí)的集成分類(lèi)器 270
8.5.3 基本概率賦值函數(shù)的定義 272
8.5.4 加權(quán)的證據(jù)組合 273
8.5.5 實(shí)驗(yàn)與結(jié)果分析 275
8.6 基于深度學(xué)習(xí)的骨齡識(shí)別 276
8.6.1 骨齡的判定方法 277
8.6.2 圖像校正 279
8.6.3 灰度分布標(biāo)準(zhǔn)化 280
8.6.4 形態(tài)學(xué)處理 281
8.6.5 實(shí)驗(yàn)與結(jié)果分析 288
習(xí)題 291
延伸閱讀 292
本章參考文獻(xiàn) 292
展開(kāi)全部
書(shū)友推薦
- >
中國(guó)歷史的瞬間
- >
姑媽的寶刀
- >
苦雨齋序跋文-周作人自編集
- >
我從未如此眷戀人間
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
名家?guī)阕x魯迅:朝花夕拾
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(shū)(紅燭學(xué)術(shù)叢書(shū))
- >
月亮虎
本類(lèi)暢銷(xiāo)
