空間智能原理與應(yīng)用

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(xué)的發(fā)展史
1.2.1 孕育
1.2.2 形成
1.2.3 發(fā)展
1.3 智能科學(xué)的現(xiàn)狀
1.3.1 從圖靈測(cè)試到 IBM 的沃森
1.3.2 谷歌的智能機(jī)器未來(lái)
1.3.3 百度大腦
1.3.4 微軟智能生態(tài)
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(xué)的研究?jī)?nèi)容及學(xué)派
1.4.1 智能科學(xué)研究的主要內(nèi)容
1.4.2 智能科學(xué)的主要學(xué)派
1.4.3 各學(xué)派的認(rèn)知觀
1.5 空間信息處理中的智能技術(shù)
1.5.1 常見(jiàn)空間信息智能處理方法
1.5.2 空間智能技術(shù)研究現(xiàn)狀
1.6 小結(jié)
第 2 章 空間知識(shí)表示
2.1 知識(shí)與知識(shí)表示的概念
2.1.1 知識(shí)的概念
2.1.2 知識(shí)的特性
2.1.3 知識(shí)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(chǎn)生式表示法
2.4.1 產(chǎn)生式
2.4.2 產(chǎn)生式系統(tǒng)
2.5 面向?qū)ο蟊硎痉?
2.5.1 面向?qū)ο蠓椒▽W(xué)的主要觀點(diǎn)
2.5.2 面向?qū)ο蟮幕靖拍?
2.5.3 面向?qū)ο蟮闹R(shí)表示
2.6 語(yǔ)義網(wǎng)絡(luò)
2.6.1 語(yǔ)義網(wǎng)絡(luò)的歷史
2.6.2 語(yǔ)義網(wǎng)絡(luò)的結(jié)構(gòu)
2.6.3 語(yǔ)義網(wǎng)絡(luò)的實(shí)例
2.6.4 基本的語(yǔ)義關(guān)系
2.6.5 語(yǔ)義網(wǎng)絡(luò)的推理
2.7 知識(shí)圖譜
2.7.1 知識(shí)圖譜的研究背景
2.7.2 知識(shí)圖譜的發(fā)展
2.7.3 知識(shí)圖譜的定義
2.7.4 知識(shí)圖譜的架構(gòu)
2.7.5 知識(shí)圖譜關(guān)鍵技術(shù)
2.7.6 知識(shí)圖譜的典型應(yīng)用
2.8 空間數(shù)據(jù)的知識(shí)表示
2.8.1 空間數(shù)據(jù)的知識(shí)表示
2.8.2 空間知識(shí)的表示
2.9 空間知識(shí)表示實(shí)例
2.9.1 面向?qū)ο蟮目臻g知識(shí)表示
2.9.2 基于知識(shí)圖譜的地質(zhì)災(zāi)害自動(dòng)問(wèn)答系統(tǒng)
2.10 小結(jié)
第 3 章 空間知識(shí)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(jié)原理
3.3.1 基本概念
3.3.2 歸結(jié)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(fā)展
3.6.2 模糊集合
3.6.3 模糊集合的運(yùn)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(jiǎn)
3.8 推理理論在空間信息處理中的應(yīng)用
3.8.1 模糊特征和模糊分類
3.8.2 基于隸屬度函數(shù)的遙感圖像模糊分類
3.9 小結(jié)
第 4 章 智能優(yōu)化與空間信息處理
4.1 智能優(yōu)化搜索
4.1.1 優(yōu)化問(wèn)題的分類
4.1.2 優(yōu)化算法分類
4.2 局部最優(yōu)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(guò)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(yōu)缺點(diǎn)
4.5 智能優(yōu)化方法在空間信息領(lǐng)域中的應(yīng)用
4.5.1 VFSA時(shí)空數(shù)據(jù)同化算法
4.5.2 時(shí)空數(shù)據(jù)同化實(shí)例
4.6 小結(jié)
第 5 章 進(jìn)化計(jì)算與空間信息處理
5.1 計(jì)算智能概述
5.1.1 計(jì)算智能的概念
5.1.2 計(jì)算智能的研究發(fā)展過(guò)程
5.1.3 計(jì)算智能與人工智能的關(guān)系
5.2 進(jìn)化計(jì)算
5.2.1 什么是進(jìn)化計(jì)算
5.2.2 進(jìn)化計(jì)算的基本框架與主要特點(diǎn)
5.2.3 進(jìn)化計(jì)算的分類
5.2.4 進(jìn)化計(jì)算的若干關(guān)鍵問(wèn)題
5.3 遺傳算法
5.3.1 遺傳算法的生物學(xué)背景
5.3.2 遺傳算法的基本思想
5.3.3 遺傳算法的設(shè)計(jì)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(tǒng)
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(fā)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?jī)?nèi)容和方法
5.5.4 人工生命實(shí)例
5.6 基于進(jìn)化計(jì)算的空間信息處理實(shí)例
5.6.1 GA 點(diǎn)云配準(zhǔn)方法
5.6.2 搜索空間
5.6.3 點(diǎn)云配準(zhǔn)結(jié)果
5.7 小結(jié)
第 6 章 自然計(jì)算與空間信息處理
6.1 自然計(jì)算概述
6.1.1 概述
6.1.2 自然計(jì)算的類型
6.1.3 自然計(jì)算的發(fā)展趨勢(shì)
6.2 群智能算法
6.2.1 思想來(lái)源
6.2.2 群體智能的優(yōu)點(diǎn)及求解問(wèn)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(shí)現(xiàn)
6.4 粒群算法
6.4.1 粒群優(yōu)化概念
6.4.2 粒群優(yōu)化算法
6.4.3 粒群優(yōu)化與進(jìn)化計(jì)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(jì)算在空間信息處理中的應(yīng)用
6.7 小結(jié)
第 7 章 機(jī)器學(xué)習(xí)與空間信息處理
7.1 機(jī)器學(xué)習(xí)概述
7.1.1 機(jī)器學(xué)習(xí)的概念
7.1.2 機(jī)器學(xué)習(xí)的策略
7.2 有監(jiān)督分類
7.2.1 感知機(jī)學(xué)習(xí)
7.2.2 貝葉斯學(xué)習(xí)
7.3 無(wú)監(jiān)督學(xué)習(xí)
7.3.1 異常檢測(cè)
7.3.2 數(shù)據(jù)降維
7.4 統(tǒng)計(jì)學(xué)習(xí)與支持向量機(jī)
7.4.1 小樣本統(tǒng)計(jì)學(xué)習(xí)理論
7.4.2 支持向量機(jī)
7.5 決策樹與隨機(jī)森林
7.5.1 決策樹的概念
7.5.2 ID3 算法
7.5.3 Bagging 集成學(xué)習(xí)
7.5.4 隨機(jī)森林
7.6 新興機(jī)器學(xué)習(xí)方法
7.6.1 流形學(xué)習(xí)
7.6.2 字典學(xué)習(xí)
7.6.3 集成學(xué)習(xí)
7.6.4 強(qiáng)化學(xué)習(xí)
7.6.5 主動(dòng)學(xué)習(xí)
7.6.6 遷移學(xué)習(xí)
7.7 機(jī)器學(xué)習(xí)在空間信息處理中的應(yīng)用
7.7.1 基于隨機(jī)森林的土地覆蓋遙感分類
7.7.2 基于流形學(xué)習(xí)的高光譜遙感圖像維數(shù)分析
7.7.3 基于強(qiáng)化學(xué)習(xí)的地理文本大數(shù)據(jù)實(shí)體關(guān)系抽取
7.8 小結(jié)
第 8 章 神經(jīng)網(wǎng)絡(luò)與空間信息處理
8.1 聯(lián)結(jié)學(xué)習(xí)概述
8.1.1 聯(lián)結(jié)學(xué)習(xí)的生理學(xué)基礎(chǔ)
8.1.2 聯(lián)結(jié)學(xué)習(xí)規(guī)則
8.2 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
8.2.1 生物神經(jīng)元結(jié)構(gòu)
8.2.2 神經(jīng)元的數(shù)學(xué)模型
8.2.3 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作方式
8.2.4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
8.3 經(jīng)典淺層神經(jīng)網(wǎng)絡(luò)
8.3.1 BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
8.3.2 BP 學(xué)習(xí)算法
8.3.3 BP 學(xué)習(xí)算法的實(shí)現(xiàn)
8.3.4 Hopfield 神經(jīng)網(wǎng)絡(luò)
8.4 深度神經(jīng)網(wǎng)絡(luò)
8.4.1 深度學(xué)習(xí)的基本思想
8.4.2 深度學(xué)習(xí)網(wǎng)絡(luò)的關(guān)鍵技術(shù)
8.4.3 深度神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu)
8.5 深度學(xué)習(xí)的應(yīng)用及發(fā)展前景
8.5.1 深度學(xué)習(xí)的應(yīng)用領(lǐng)域
8.5.2 深度學(xué)習(xí)在空間信息處理中的應(yīng)用
8.5.3 深度學(xué)習(xí)的發(fā)展前景
8.6 小結(jié)
第 9 章 空間智能大數(shù)據(jù)
9.1 空間大數(shù)據(jù)概述
9.1.1 空間大數(shù)據(jù)的概念
9.1.2 空間大數(shù)據(jù)處理的研究?jī)?nèi)容
9.2 空間大數(shù)據(jù)的技術(shù)體系
9.2.1 空間大數(shù)據(jù)計(jì)算的技術(shù)內(nèi)涵
9.2.2 空間大數(shù)據(jù)計(jì)算的關(guān)鍵技術(shù)
9.3 空間大數(shù)據(jù)的應(yīng)用實(shí)例
9.3.1 災(zāi)害中的空間大數(shù)據(jù)
9.3.2 面向?yàn)?zāi)害空間大數(shù)據(jù)的技術(shù)挑戰(zhàn)
9.3.3 面向?yàn)?zāi)害的空間大數(shù)據(jù)處理體系架構(gòu)
9.3.3 面向?yàn)?zāi)害的空間大數(shù)據(jù)處理體系架構(gòu)
9.4 空間大數(shù)據(jù)中的智能技術(shù)