中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
空間智能原理與應用 版權信息
- ISBN：9787115599964
- 條形碼：9787115599964 ; 978-7-115-59996-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
空間智能原理與應用 本書特色
適讀人群 ：本書可以作為高等院校空間信息與數字技術、遙感科學與技術等專業高年級本科生和研究生的人工智能教材，也可供計算機、電子信息、自動控制、地球測繪等領域中從事人工智能工作的廣大科技人員和高校師生參考。1. 本書作者長期從事人工智能與空間信息處理方面的科研工作，主持完成國家自然科學基金、國家重點基礎研究發展計劃（973計劃）等各級科研項目多項，擔任人工智能領域國際top級期刊《Information Fusion》審稿人，并在《Remote Sensing》等國際期刊發表空間信息智能處理相關論文數篇。領銜獲中國測繪中國測繪學會科學技術二等獎，四川省科學技術進步三等獎。2. 相比傳統基礎人工智能理論圖書，本書沒有從單一的方面介紹人工智能理論，而是從空間信息處理角度出發，將人工智能領域的理論研究與作者自身的實踐研究相結合，為讀者提供真實的研究經驗。3. 本書邏輯性強，盡量避免復雜和煩瑣的理論推導，能幫助讀者構建起完整的知識體系與框架，并形成學科交叉的新視野。
空間智能原理與應用 內容簡介
本書從空間信息處理角度出發，將人工智能領域的理論研究與專業實踐相結合，完整介紹人工智能方法及其在空間信息處理中的應用，不僅涵蓋人工智能領域的基礎概念與基本方法，而且探討知識圖譜、計算智能、新興機器學習、深度學習等前沿技術，同時介紹人工智能在地理文本大數據、遙感影像、激光點云等空間信息處理中的應用實例，具有較強的代表性和啟發性。 本書可以作為高等院校空間信息與數字技術、遙感科學與技術等專業高年級本科生和研究生學習人工智能技術的教材，也可供計算機、電子信息、自動控制、地球測繪等領域從事空間信息智能處理工作的科技人員學習和參考。
空間智能原理與應用 目錄
第 1 章 緒論
1．1 智能的基本概念
1．1．1 智能的概念
1．1．2 智能的特征
1．1．3 人工智能
1．2 智能科學的發展史
1．2．1 孕育
1．2．2 形成
1．2．3 發展
1．3 智能科學的現狀
1．3．1 從圖靈測試到 IBM 的沃森
1．3．2 谷歌的智能機器未來
1．3．3 百度大腦
1．3．4 微軟智能生態
1．3．5 臉書的深臉
1．3．6 三大突破讓人工智能近在眼前
1．4 智能科學的研究內容及學派
1．4．1 智能科學研究的主要內容
1．4．2 智能科學的主要學派
1．4．3 各學派的認知觀
1．5 空間信息處理中的智能技術
1．5．1 常見空間信息智能處理方法
1．5．2 空間智能技術研究現狀
1．6 小結
第 2 章 空間知識表示
2．1 知識與知識表示的概念
2．1．1 知識的概念
2．1．2 知識的特性
2．1．3 知識的表示
2．2 本體
2．2．1 本體的概念
2．2．2 本體的組成與分類
2．3 謂詞邏輯
2．4 產生式表示法
2．4．1 產生式
2．4．2 產生式系統
2．5 面向對象表示法
2．5．1 面向對象方法學的主要觀點
2．5．2 面向對象的基本概念
2．5．3 面向對象的知識表示
2．6 語義網絡
2．6．1 語義網絡的歷史
2．6．2 語義網絡的結構
2．6．3 語義網絡的實例
2．6．4 基本的語義關系
2．6．5 語義網絡的推理
2．7 知識圖譜
2．7．1 知識圖譜的研究背景
2．7．2 知識圖譜的發展
2．7．3 知識圖譜的定義
2．7．4 知識圖譜的架構
2．7．5 知識圖譜關鍵技術
2．7．6 知識圖譜的典型應用
2．8 空間數據的知識表示
2．8．1 空間數據的知識表示
2．8．2 空間知識的表示
2．9 空間知識表示實例
2．9．1 面向對象的空間知識表示
2．9．2 基于知識圖譜的地質災害自動問答系統
2．10 小結
第 3 章 空間知識推理
3．1 推理的基本概念
3．1．1 推理的定義
3．1．2 推理方式及其分類
3．1．3 推理的方向
3．1．4 沖突消解策略
3．2 自然演繹
3．3 魯賓遜歸結原理
3．3．1 基本概念
3．3．2 歸結原理
3．4 不確定性推理的基本概念
3．5 可信度方法
3．6 模糊理論
3．6．1 模糊邏輯的提出與發展
3．6．2 模糊集合
3．6．3 模糊集合的運算
3．7 粗糙集理論
3．7．1 粗糙集概述
3．7．2 粗糙集的基本理論
3．7．3 決策表的約簡
3．8 推理理論在空間信息處理中的應用
3．8．1 模糊特征和模糊分類
3．8．2 基于隸屬度函數的遙感圖像模糊分類
3．9 小結
第 4 章 智能優化與空間信息處理
4．1 智能優化搜索
4．1．1 優化問題的分類
4．1．2 優化算法分類
4．2 局部*優搜索
4．2．1 梯度下降法
4．2．2 Powell 算法
4．3 模擬退火算法
4．3．1 物理退火過程
4．3．2 模擬退火算法的基本原理
4．3．3 退火方式
4．4 禁忌搜素算法
4．4．1 禁忌搜索算法的基本原理
4．4．2 禁忌搜索算法的優缺點
4．5 智能優化方法在空間信息領域中的應用
4．5．1 VFSA時空數據同化算法
4．5．2 時空數據同化實例
4．6 小結
第 5 章 進化計算與空間信息處理
5．1 計算智能概述
5．1．1 計算智能的概念
5．1．2 計算智能的研究發展過程
5．1．3 計算智能與人工智能的關系
5．2 進化計算
5．2．1 什么是進化計算
5．2．2 進化計算的基本框架與主要特點
5．2．3 進化計算的分類
5．2．4 進化計算的若干關鍵問題
5．3 遺傳算法
5．3．1 遺傳算法的生物學背景
5．3．2 遺傳算法的基本思想
5．3．3 遺傳算法的設計原則
5．3．4 遺傳算法的基本算法
5．4 免疫算法
5．4．1 自然免疫系統
5．4．2 免疫算法模型
5．5 人工生命
5．5．1 人工生命研究的起源和發展
5．5．2 人工生命的定義和研究意義
5．5．3 人工生命的研究內容和方法
5．5．4 人工生命實例
5．6 基于進化計算的空間信息處理實例
5．6．1 GA 點云配準方法
5．6．2 搜索空間
5．6．3 點云配準結果
5．7 小結
第 6 章 自然計算與空間信息處理
6．1 自然計算概述
6．1．1 概述
6．1．2 自然計算的類型
6．1．3 自然計算的發展趨勢
6．2 群智能算法
6．2．1 思想來源
6．2．2 群體智能的優點及求解問題類型
6．3 蟻群算法
6．3．1 蟻群算法主要思想
6．3．2 蟻群算法的基本實現
6．4 粒群算法
6．4．1 粒群優化概念
6．4．2 粒群優化算法
6．4．3 粒群優化與進化計算的比較
6．5 生物地理算法
6．5．1 生物地理算法的背景
6．5．2 生物地理算法的遷移模型
6．5．3 基本的 BBO 的遷移操作
6．5．4 變異操作
6．6 自然計算在空間信息處理中的應用
6．7 小結
第 7 章 機器學習與空間信息處理
7．1 機器學習概述
7．1．1 機器學習的概念
7．1．2 機器學習的策略
7．2 有監督分類
7．2．1 感知機學習
7．2．2 貝葉斯學習
7．3 無監督學習
7．3．1 異常檢測
7．3．2 數據降維
7．4 統計學習與支持向量機
7．4．1 小樣本統計學習理論
7．4．2 支持向量機
7．5 決策樹與隨機森林
7．5．1 決策樹的概念
7．5．2 ID3 算法
7．5．3 Bagging 集成學習
7．5．4 隨機森林
7．6 新興機器學習方法
7．6．1 流形學習
7．6．2 字典學習
7．6．3 集成學習
7．6．4 強化學習
7．6．5 主動學習
7．6．6 遷移學習
7．7 機器學習在空間信息處理中的應用
7．7．1 基于隨機森林的土地覆蓋遙感分類
7．7．2 基于流形學習的高光譜遙感圖像維數分析
7．7．3 基于強化學習的地理文本大數據實體關系抽取
7．8 小結
第 8 章 神經網絡與空間信息處理
8．1 聯結學習概述
8．1．1 聯結學習的生理學基礎
8．1．2 聯結學習規則
8．2 神經元與神經網絡
8．2．1 生物神經元結構
8．2．2 神經元的數學模型
8．2．3 神經網絡的結構與工作方式
8．2．4 神經網絡的學習
8．3 經典淺層神經網絡
8．3．1 BP 神經網絡的結構
8．3．2 BP 學習算法
8．3．3 BP 學習算法的實現
8．3．4 Hopfield 神經網絡
8．4 深度神經網絡
8．4．1 深度學習的基本思想
8．4．2 深度學習網絡的關鍵技術
8．4．3 深度神經網絡的典型結構
8．5 深度學習的應用及發展前景
8．5．1 深度學習的應用領域
8．5．2 深度學習在空間信息處理中的應用
8．5．3 深度學習的發展前景
8．6 小結
第 9 章 空間智能大數據
9．1 空間大數據概述
9．1．1 空間大數據的概念
9．1．2 空間大數據處理的研究內容
9．2 空間大數據的技術體系
9．2．1 空間大數據計算的技術內涵
9．2．2 空間大數據計算的關鍵技術
9．3 空間大數據的應用實例
9．3．1 災害中的空間大數據
9．3．2 面向災害空間大數據的技術挑戰
9．3．3 面向災害的空間大數據處理體系架構
9．3．3 面向災害的空間大數據處理體系架構
9．4 空間大數據中的智能技術
1．1 智能的基本概念
1．1．1 智能的概念
1．1．2 智能的特征
1．1．3 人工智能
1．2 智能科學的發展史
1．2．1 孕育
1．2．2 形成
1．2．3 發展
1．3 智能科學的現狀
1．3．1 從圖靈測試到 IBM 的沃森
1．3．2 谷歌的智能機器未來
1．3．3 百度大腦
1．3．4 微軟智能生態
1．3．5 臉書的深臉
1．3．6 三大突破讓人工智能近在眼前
1．4 智能科學的研究內容及學派
1．4．1 智能科學研究的主要內容
1．4．2 智能科學的主要學派
1．4．3 各學派的認知觀
1．5 空間信息處理中的智能技術
1．5．1 常見空間信息智能處理方法
1．5．2 空間智能技術研究現狀
1．6 小結
第 2 章 空間知識表示
2．1 知識與知識表示的概念
2．1．1 知識的概念
2．1．2 知識的特性
2．1．3 知識的表示
2．2 本體
2．2．1 本體的概念
2．2．2 本體的組成與分類
2．3 謂詞邏輯
2．4 產生式表示法
2．4．1 產生式
2．4．2 產生式系統
2．5 面向對象表示法
2．5．1 面向對象方法學的主要觀點
2．5．2 面向對象的基本概念
2．5．3 面向對象的知識表示
2．6 語義網絡
2．6．1 語義網絡的歷史
2．6．2 語義網絡的結構
2．6．3 語義網絡的實例
2．6．4 基本的語義關系
2．6．5 語義網絡的推理
2．7 知識圖譜
2．7．1 知識圖譜的研究背景
2．7．2 知識圖譜的發展
2．7．3 知識圖譜的定義
2．7．4 知識圖譜的架構
2．7．5 知識圖譜關鍵技術
2．7．6 知識圖譜的典型應用
2．8 空間數據的知識表示
2．8．1 空間數據的知識表示
2．8．2 空間知識的表示
2．9 空間知識表示實例
2．9．1 面向對象的空間知識表示
2．9．2 基于知識圖譜的地質災害自動問答系統
2．10 小結
第 3 章 空間知識推理
3．1 推理的基本概念
3．1．1 推理的定義
3．1．2 推理方式及其分類
3．1．3 推理的方向
3．1．4 沖突消解策略
3．2 自然演繹
3．3 魯賓遜歸結原理
3．3．1 基本概念
3．3．2 歸結原理
3．4 不確定性推理的基本概念
3．5 可信度方法
3．6 模糊理論
3．6．1 模糊邏輯的提出與發展
3．6．2 模糊集合
3．6．3 模糊集合的運算
3．7 粗糙集理論
3．7．1 粗糙集概述
3．7．2 粗糙集的基本理論
3．7．3 決策表的約簡
3．8 推理理論在空間信息處理中的應用
3．8．1 模糊特征和模糊分類
3．8．2 基于隸屬度函數的遙感圖像模糊分類
3．9 小結
第 4 章 智能優化與空間信息處理
4．1 智能優化搜索
4．1．1 優化問題的分類
4．1．2 優化算法分類
4．2 局部*優搜索
4．2．1 梯度下降法
4．2．2 Powell 算法
4．3 模擬退火算法
4．3．1 物理退火過程
4．3．2 模擬退火算法的基本原理
4．3．3 退火方式
4．4 禁忌搜素算法
4．4．1 禁忌搜索算法的基本原理
4．4．2 禁忌搜索算法的優缺點
4．5 智能優化方法在空間信息領域中的應用
4．5．1 VFSA時空數據同化算法
4．5．2 時空數據同化實例
4．6 小結
第 5 章 進化計算與空間信息處理
5．1 計算智能概述
5．1．1 計算智能的概念
5．1．2 計算智能的研究發展過程
5．1．3 計算智能與人工智能的關系
5．2 進化計算
5．2．1 什么是進化計算
5．2．2 進化計算的基本框架與主要特點
5．2．3 進化計算的分類
5．2．4 進化計算的若干關鍵問題
5．3 遺傳算法
5．3．1 遺傳算法的生物學背景
5．3．2 遺傳算法的基本思想
5．3．3 遺傳算法的設計原則
5．3．4 遺傳算法的基本算法
5．4 免疫算法
5．4．1 自然免疫系統
5．4．2 免疫算法模型
5．5 人工生命
5．5．1 人工生命研究的起源和發展
5．5．2 人工生命的定義和研究意義
5．5．3 人工生命的研究內容和方法
5．5．4 人工生命實例
5．6 基于進化計算的空間信息處理實例
5．6．1 GA 點云配準方法
5．6．2 搜索空間
5．6．3 點云配準結果
5．7 小結
第 6 章 自然計算與空間信息處理
6．1 自然計算概述
6．1．1 概述
6．1．2 自然計算的類型
6．1．3 自然計算的發展趨勢
6．2 群智能算法
6．2．1 思想來源
6．2．2 群體智能的優點及求解問題類型
6．3 蟻群算法
6．3．1 蟻群算法主要思想
6．3．2 蟻群算法的基本實現
6．4 粒群算法
6．4．1 粒群優化概念
6．4．2 粒群優化算法
6．4．3 粒群優化與進化計算的比較
6．5 生物地理算法
6．5．1 生物地理算法的背景
6．5．2 生物地理算法的遷移模型
6．5．3 基本的 BBO 的遷移操作
6．5．4 變異操作
6．6 自然計算在空間信息處理中的應用
6．7 小結
第 7 章 機器學習與空間信息處理
7．1 機器學習概述
7．1．1 機器學習的概念
7．1．2 機器學習的策略
7．2 有監督分類
7．2．1 感知機學習
7．2．2 貝葉斯學習
7．3 無監督學習
7．3．1 異常檢測
7．3．2 數據降維
7．4 統計學習與支持向量機
7．4．1 小樣本統計學習理論
7．4．2 支持向量機
7．5 決策樹與隨機森林
7．5．1 決策樹的概念
7．5．2 ID3 算法
7．5．3 Bagging 集成學習
7．5．4 隨機森林
7．6 新興機器學習方法
7．6．1 流形學習
7．6．2 字典學習
7．6．3 集成學習
7．6．4 強化學習
7．6．5 主動學習
7．6．6 遷移學習
7．7 機器學習在空間信息處理中的應用
7．7．1 基于隨機森林的土地覆蓋遙感分類
7．7．2 基于流形學習的高光譜遙感圖像維數分析
7．7．3 基于強化學習的地理文本大數據實體關系抽取
7．8 小結
第 8 章 神經網絡與空間信息處理
8．1 聯結學習概述
8．1．1 聯結學習的生理學基礎
8．1．2 聯結學習規則
8．2 神經元與神經網絡
8．2．1 生物神經元結構
8．2．2 神經元的數學模型
8．2．3 神經網絡的結構與工作方式
8．2．4 神經網絡的學習
8．3 經典淺層神經網絡
8．3．1 BP 神經網絡的結構
8．3．2 BP 學習算法
8．3．3 BP 學習算法的實現
8．3．4 Hopfield 神經網絡
8．4 深度神經網絡
8．4．1 深度學習的基本思想
8．4．2 深度學習網絡的關鍵技術
8．4．3 深度神經網絡的典型結構
8．5 深度學習的應用及發展前景
8．5．1 深度學習的應用領域
8．5．2 深度學習在空間信息處理中的應用
8．5．3 深度學習的發展前景
8．6 小結
第 9 章 空間智能大數據
9．1 空間大數據概述
9．1．1 空間大數據的概念
9．1．2 空間大數據處理的研究內容
9．2 空間大數據的技術體系
9．2．1 空間大數據計算的技術內涵
9．2．2 空間大數據計算的關鍵技術
9．3 空間大數據的應用實例
9．3．1 災害中的空間大數據
9．3．2 面向災害空間大數據的技術挑戰
9．3．3 面向災害的空間大數據處理體系架構
9．3．3 面向災害的空間大數據處理體系架構
9．4 空間大數據中的智能技術
展開全部
空間智能原理與應用 作者簡介
羅欣，工學博士，電子科技大學資源與環境學院副教授，四川省海外高層次留學人才，長期從事空間信息獲取與智能處理領域的研究工作，主持和承擔完成國家自然科學基金，國家重點基礎研究發展計劃（973計劃）等各級科研項目多項，在《Remote Sensing》等國際期刊發表空間信息智能處理相關論文數篇，擔任人工智能領域國際top級期刊《Information Fusion》審稿人。多年從事空間信息與數字技術專業“人工智能導論”“空間信息創新及應用”“多模衛星導航定位與應用”等課程的教學工作，在空間信息智能處理及應用方面積累了豐富的教學與實踐經驗。領銜獲中國測繪中國測繪學會科學技術二等獎1項，四川省科學技術進步三等獎1項。候衛民，工學博士，河北科技大學信息科學與工程學院教授，電子學會高級會員，電子學會分會專家委員、中國大學生電子大賽評審專家，主持和完成國家高技術研究發展計劃（863）、河北省研究生示范課程建設等重要課題，發表高水平學術論文多篇。許文波，理學博士，電子科技大學資源與環境學院教授、博導，科技部***科研項目評審專家，四川省海外高層次留學人才， 領銜獲四川省科技進步二等獎1項，主講“遙感應用原理與方法”“資源環境信息技術”等課程，獲四川省第八屆高等教學成果獎一等獎。
書友推薦
- >
山海經
- >
伊索寓言-世界文學名著典藏-全譯本
- >
詩經-先民的歌唱
- >
朝聞道
- >
羅庸西南聯大授課錄
- >
經典常談
- >
我與地壇
- >
推拿
本類暢銷
