掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
武器裝備情報大數據分析技術 版權信息
- ISBN：9787121469695
- 條形碼：9787121469695 ; 978-7-121-46969-5
- 裝幀：平塑勒
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
武器裝備情報大數據分析技術 本書特色
本書以推進武器裝備情報大數據分析技術發展為出發點，力求為情報分析、大數據分析、武器裝備研發等領域的科學研究提供有益參考。
武器裝備情報大數據分析技術 內容簡介
大數據時代的武器裝備情報分析在信息技術特別是人工智能技術飛速發展的推動下，正面臨新挑戰、呈現新特點、孕育新模式。如何將大數據分析技術與武器裝備情報這對具有天然底層關聯的東西結合起來研究，有很多維度可以破解。本書從情報大數據分析技術維度出發，著眼大數據背景下的情報類型需求，構建情報分析技術體系架構，剖析快速決策技術、噪聲數據處理技術、概念漂移處理技術的底層和應用，并通過綜合案例加以應用。 本書以推進武器裝備情報大數據分析技術發展為出發點，力求為情報分析、大數據分析、武器裝備研發等領域的科學研究提供有益參考。
武器裝備情報大數據分析技術 目錄
第1章 緒論 001
1.1 情報 001
1.1.1 情報和情報觀 001
1.1.2 情報的基本分類 002
1.2 情報分析 003
1.2.1 情報分析的定義與內涵 003
1.2.2 情報分析的類型 004
1.2.3 情報分析的思維方法 005
1.3 大數據時代情報分析的機遇與挑戰 006
1.3.1 數據規模巨大，對情報數據處理提出了挑戰 007
1.3.2 數據種類多樣，對情報數據整編融合提出了挑戰 008
1.3.3 數據產生快速，對情報快速處理提出了挑戰 010
1.3.4 數據價值密度降低，對情報挖掘分析提出了挑戰 011
第2章 大數據背景下的情報模型 014
2.1 傳統的情報模型 014
2.2 現代戰爭對情報的需求 015
2.2.1 現代戰爭更多地依賴于情報信息 015
2.2.2 現代戰爭需要更加及時的情報 016
2.2.3 情報轉變為以問題為中心的數據驅動型模型 017
2.3 大數據背景下的情報模型概述 020
2.3.1 情報分析需要實現自動化 022
2.3.2 大數據情報需要可視化方案 023
2.3.3 大數據情報需要更廣泛的專業化 024
第3章 情報大數據分析中的人工智能技術 026
3.1 人工智能和機器學習概述 026
3.1.1 基本概念 026
3.1.2 研究現狀 027
3.1.3 未來發展 028
3.2 人工智能技術的應用 029
3.2.1 實現自動化的層次 029
3.2.2 人工智能的潛在應用 030
3.2.3 人工智能的支撐技術 034
3.3 人工智能方法 038
3.3.1 神經網絡 038
3.3.2 全連接神經網絡 039
3.3.3 卷積神經網絡 040
3.3.4 遞歸神經網絡 041
3.3.5 自編碼器 043
3.3.6 深度強化學習 044
3.4 人工智能方法的脆弱性 045
3.4.1 對機器視覺系統的攻擊 045
3.4.2 對語音識別系統的攻擊 046
第4章 基于數據流挖掘的情報分析技術體系架構 048
4.1 情報分析過程 048
4.1.1 大數據時代情報分析技術發展 048
4.1.2 傳統的情報周期 050
4.1.3 以目標為中心的情報流程 052
4.2 基于數據流挖掘的情報分析系統體系架構 054
4.2.1 數據挖掘概念 054
4.2.2 數據挖掘的過程與步驟 054
4.2.3 情報分析中數據挖掘技術的功能用途 055
4.2.4 基于數據挖掘的情報分析系統 056
4.2.5 基于數據流挖掘的情報分析技術體系 057
4.3 大數據背景下情報數據流挖掘分析的關鍵技術 060
4.3.1 信號噪聲處理技術 061
4.3.2 數據分類處理技術 062
4.3.3 概念漂移處理技術 062
第5章 大數據情報信息快速決策樹分類技術 064
5.1 分類技術基礎 064
5.2 分類器模型構建方法 065
5.3 增量式分類器 066
5.3.1 快速分類決策樹 066
5.3.2 基于線索化排序二叉樹的快速決策樹分類方法 067
5.3.3 連續屬性區間剪枝 068
5.3.4 增量模糊決策樹 070
5.3.5 可伸縮分類決策樹框架 071
5.3.6 概念漂移適變快速分類決策樹 071
5.4 快速分類決策樹 073
5.4.1 快速分類決策樹框架 073
5.4.2 分類精度 076
5.4.3 決策樹生成過程 079
5.4.4 屬性選擇測度 080
5.4.5 連續屬性處理 081
5.4.6 連續屬性樣本增量插入 081
5.4.7 連續屬性的屬性樹線索化過程 082
5.4.8 *佳劃分節點選取 082
第6章 大數據情報信息噪聲數據處理技術 084
6.1 噪聲數據處理流程 085
6.2 噪聲數據處理算法基礎理論 086
6.2.1 模糊理論基礎 086
6.2.2 決策樹構造中的連續屬性處理 086
6.2.3 傳統決策樹和模糊決策樹 086
6.2.4 基于連續屬性平滑離散化的模糊決策樹生成過程 088
6.3 噪聲數據增量模糊決策樹算法實現 090
第7章 大數據情報信息概念漂移處理技術 093
7.1 概念漂移基礎 093
7.1.1 概念漂移定義 094
7.1.2 概念漂移分類 095
7.2 概念漂移處理方法 096
7.2.1 STAGGER和FLORA 096
7.2.2 OLIN 096
7.2.3 UFFT 096
7.3 概念漂移自適應快速分類決策樹算法框架 097
7.4 基于擴展哈希表的概念漂移自適應快速分類決策樹算法 099
7.4.1 擴展哈希表基本數據結構 099
7.4.2 新數據到達時的擴展哈希表插入過程 100
7.4.3 數據流出時的擴展哈希表刪除過程 100
7.4.4 連續屬性*佳劃分節點選取過程 102
第8章 武器裝備情報大數據分析案例 103
8.1 基于LLA的國防采辦決策 103
8.1.1 研究背景 103
8.1.2 詞法鏈接分析方法 104
8.1.3 詞組產生和“文本-概念-聚類”模型 107
8.1.4 詞法鏈接分析用于國防采辦可視化環境 109
8.2 服務采辦決策的大數據分析 112
8.2.1 研究背景 112
8.2.2 研究方法和過程 114
8.2.3 研究結果 115
8.2.4 結論 118
8.3 裝備維修決策的大數據分析 118
8.3.1 研究背景 119
8.3.2 研究方法和過程 119
8.3.3 結果和結論 120
參考文獻 125
1.1 情報 001
1.1.1 情報和情報觀 001
1.1.2 情報的基本分類 002
1.2 情報分析 003
1.2.1 情報分析的定義與內涵 003
1.2.2 情報分析的類型 004
1.2.3 情報分析的思維方法 005
1.3 大數據時代情報分析的機遇與挑戰 006
1.3.1 數據規模巨大，對情報數據處理提出了挑戰 007
1.3.2 數據種類多樣，對情報數據整編融合提出了挑戰 008
1.3.3 數據產生快速，對情報快速處理提出了挑戰 010
1.3.4 數據價值密度降低，對情報挖掘分析提出了挑戰 011
第2章 大數據背景下的情報模型 014
2.1 傳統的情報模型 014
2.2 現代戰爭對情報的需求 015
2.2.1 現代戰爭更多地依賴于情報信息 015
2.2.2 現代戰爭需要更加及時的情報 016
2.2.3 情報轉變為以問題為中心的數據驅動型模型 017
2.3 大數據背景下的情報模型概述 020
2.3.1 情報分析需要實現自動化 022
2.3.2 大數據情報需要可視化方案 023
2.3.3 大數據情報需要更廣泛的專業化 024
第3章 情報大數據分析中的人工智能技術 026
3.1 人工智能和機器學習概述 026
3.1.1 基本概念 026
3.1.2 研究現狀 027
3.1.3 未來發展 028
3.2 人工智能技術的應用 029
3.2.1 實現自動化的層次 029
3.2.2 人工智能的潛在應用 030
3.2.3 人工智能的支撐技術 034
3.3 人工智能方法 038
3.3.1 神經網絡 038
3.3.2 全連接神經網絡 039
3.3.3 卷積神經網絡 040
3.3.4 遞歸神經網絡 041
3.3.5 自編碼器 043
3.3.6 深度強化學習 044
3.4 人工智能方法的脆弱性 045
3.4.1 對機器視覺系統的攻擊 045
3.4.2 對語音識別系統的攻擊 046
第4章 基于數據流挖掘的情報分析技術體系架構 048
4.1 情報分析過程 048
4.1.1 大數據時代情報分析技術發展 048
4.1.2 傳統的情報周期 050
4.1.3 以目標為中心的情報流程 052
4.2 基于數據流挖掘的情報分析系統體系架構 054
4.2.1 數據挖掘概念 054
4.2.2 數據挖掘的過程與步驟 054
4.2.3 情報分析中數據挖掘技術的功能用途 055
4.2.4 基于數據挖掘的情報分析系統 056
4.2.5 基于數據流挖掘的情報分析技術體系 057
4.3 大數據背景下情報數據流挖掘分析的關鍵技術 060
4.3.1 信號噪聲處理技術 061
4.3.2 數據分類處理技術 062
4.3.3 概念漂移處理技術 062
第5章 大數據情報信息快速決策樹分類技術 064
5.1 分類技術基礎 064
5.2 分類器模型構建方法 065
5.3 增量式分類器 066
5.3.1 快速分類決策樹 066
5.3.2 基于線索化排序二叉樹的快速決策樹分類方法 067
5.3.3 連續屬性區間剪枝 068
5.3.4 增量模糊決策樹 070
5.3.5 可伸縮分類決策樹框架 071
5.3.6 概念漂移適變快速分類決策樹 071
5.4 快速分類決策樹 073
5.4.1 快速分類決策樹框架 073
5.4.2 分類精度 076
5.4.3 決策樹生成過程 079
5.4.4 屬性選擇測度 080
5.4.5 連續屬性處理 081
5.4.6 連續屬性樣本增量插入 081
5.4.7 連續屬性的屬性樹線索化過程 082
5.4.8 *佳劃分節點選取 082
第6章 大數據情報信息噪聲數據處理技術 084
6.1 噪聲數據處理流程 085
6.2 噪聲數據處理算法基礎理論 086
6.2.1 模糊理論基礎 086
6.2.2 決策樹構造中的連續屬性處理 086
6.2.3 傳統決策樹和模糊決策樹 086
6.2.4 基于連續屬性平滑離散化的模糊決策樹生成過程 088
6.3 噪聲數據增量模糊決策樹算法實現 090
第7章 大數據情報信息概念漂移處理技術 093
7.1 概念漂移基礎 093
7.1.1 概念漂移定義 094
7.1.2 概念漂移分類 095
7.2 概念漂移處理方法 096
7.2.1 STAGGER和FLORA 096
7.2.2 OLIN 096
7.2.3 UFFT 096
7.3 概念漂移自適應快速分類決策樹算法框架 097
7.4 基于擴展哈希表的概念漂移自適應快速分類決策樹算法 099
7.4.1 擴展哈希表基本數據結構 099
7.4.2 新數據到達時的擴展哈希表插入過程 100
7.4.3 數據流出時的擴展哈希表刪除過程 100
7.4.4 連續屬性*佳劃分節點選取過程 102
第8章 武器裝備情報大數據分析案例 103
8.1 基于LLA的國防采辦決策 103
8.1.1 研究背景 103
8.1.2 詞法鏈接分析方法 104
8.1.3 詞組產生和“文本-概念-聚類”模型 107
8.1.4 詞法鏈接分析用于國防采辦可視化環境 109
8.2 服務采辦決策的大數據分析 112
8.2.1 研究背景 112
8.2.2 研究方法和過程 114
8.2.3 研究結果 115
8.2.4 結論 118
8.3 裝備維修決策的大數據分析 118
8.3.1 研究背景 119
8.3.2 研究方法和過程 119
8.3.3 結果和結論 120
參考文獻 125
展開全部
武器裝備情報大數據分析技術 作者簡介
王濤，男，博士，1976年12月出生，江蘇連云港人，軍事裝備論證與體系仿真、戰略規劃評估領域專家，國防科技大學副教授、碩士生導師，軍隊優秀專業技術人才，主要研究裝備體系論證與智能化發展方向。
書友推薦
- >
唐代進士錄
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
經典常談
- >
小考拉的故事-套裝共3冊
- >
詩經-先民的歌唱
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
回憶愛瑪儂
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
