科技 类型
可以朗读 语音朗读
259千字 字数
2019-11-01 发行日期
展开全部

主编推荐语

详细探讨了空间信息技术在空间信息智能处理中的应用实例。

内容简介

空间信息智能处理是在信息科学和空间信息技术发展的支持下，以地球表层系统为研究对象，以地球系统科学、信息论、控制论、系统论和人工智能的基本理论为指导，运用多空间信息技术和数字信息技术，来获取、存储、处理、分析、显示、表达和传输反映空间分布特征、具有时空尺度概念和空间定位含义的空间信息。

本书介绍了空间认知理论以及地球空间信息科学相关背景知识；从人工智能时代必须对空间信息进行智能处理的必要性、重要性和紧迫性出发，全面阐述了模式识别、专家系统、模糊理论、人工神经网络、优化算法、多源空间信息融合、大数据等多个技术理论基础，详细探讨了已有技术在空间信息智能处理中的典型应用实例。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第一章 绪论
  • 1.1 从地理空间到空间信息理论
  • 1.1.1 地理系统
  • 1.1.2 地理空间认知
  • 1.1.3 空间信息理论
  • 1.2 地球空间信息获取
  • 1.2.1 遥感技术
  • 1.2.2 测绘技术
  • 1.3 地球空间信息科学
  • 1.3.1 地球空间信息科学的形成
  • 1.3.2 如何正确理解地球空间信息科学
  • 1.3.3 地球空间信息科学的本质
  • 1.4 地球空间信息科学理论基础与技术体系
  • 1.4.1 地球空间信息科学理论基础
  • 1.4.2 地球空间信息科学技术体系
  • 1.5 地球空间信息科学存在的问题与发展趋势
  • 1.5.1 地球空间信息科学与技术存在的问题
  • 1.5.2 地球空间信息学科发展趋势
  • 1.6 地球空间信息智能处理
  • 1.6.1 空间信息智能处理概述
  • 1.6.2 空间信息智能处理主要研究内容
  • 1.7 空间信息智能处理方法
  • 1.7.1 模式识别处理方法
  • 1.7.2 专家系统分类法
  • 1.7.3 模糊分类法
  • 1.7.4 人工神经网络方法
  • 1.7.5 优化理论方法
  • 1.7.6 多源信息融合方法
  • 1.7.7 空间信息大数据
  • 讨论与思考题
  • 参考文献
  • 第二章 模式识别与空间信息智能处理
  • 2.1 模式识别的基本概念
  • 2.1.1 模式与模式识别
  • 2.1.2 模式识别方法
  • 2.2 统计模式识别
  • 2.2.1 统计模式识别原理与工作流程
  • 2.2.2 模板匹配分类法
  • 2.2.3 最小距离分类法
  • 2.2.4 几何分类法
  • 2.2.5 概率分类法
  • 2.2.6 聚类分类法
  • 2.3 结构模式识别
  • 2.4 模糊模式识别
  • 2.5 神经网络模式识别
  • 2.6 基于模式识别的塘沽盐场遥感图像识别方法
  • 2.6.1 遥感图像模式识别的技术路线和方法
  • 2.6.2 遥感图像处理
  • 2.6.3 卤水样本采集
  • 2.6.4 模式识别
  • 讨论与思考题
  • 参考文献
  • 第三章 专家系统与空间信息智能处理
  • 3.1 专家系统定义与类型
  • 3.1.1 专家系统定义
  • 3.1.2 专家系统类型
  • 3.2 专家系统的特点与结构
  • 3.2.1 专家系统的特点
  • 3.2.2 ES的结构
  • 3.3 专家系统的构建与评价
  • 3.3.1 ES的构建
  • 3.3.2 ES的评价内容
  • 3.3.3 ES的评价方法
  • 3.4 现代专家系统
  • 3.4.1 ES起源与发展
  • 3.4.2 现代ES的特征
  • 3.4.3 分布式ES
  • 3.4.4 协同式ES
  • 3.5 专家系统在空间信息智能处理中的应用
  • 3.5.1 遥感卫星接收系统中的故障诊断专家系统
  • 3.5.2 遥感图像解译ES
  • 3.5.3 基于GIS的农业专家系统
  • 讨论与思考题
  • 参考文献
  • 第四章 模糊理论与空间信息智能处理
  • 4.1 模糊数学基础
  • 4.1.1 模糊定量化
  • 4.1.2 模糊集及其运算
  • 4.1.3 模糊数及其运算
  • 4.2 模糊关系与模糊逻辑推理
  • 4.2.1 模糊关系及其运算
  • 4.2.2 模糊逻辑推理
  • 4.3 模糊理论在遥感图像分类中的应用
  • 4.3.1 概述
  • 4.3.2 输入变量模糊化
  • 4.3.3 创建模糊规则库
  • 4.3.4 分类输出结果去模糊化
  • 4.3.5 实际应用
  • 4.4 模糊理论在遥感图像分割中的应用
  • 4.4.1 基于模糊理论的图像分割方法
  • 4.4.2 模糊聚类分割实例分析
  • 4.4.3 FCM实例分析
  • 4.5 模糊理论在遥感图像增强中的应用
  • 4.5.1 概述
  • 4.5.2 基于模糊理论的图像增强方法
  • 4.5.3 实例分析
  • 4.6 模糊理论在遥感图像变化检测中的应用
  • 4.6.1 概述
  • 4.6.2 基于模糊理论的图像变化检测方法
  • 4.6.3 实例分析
  • 讨论与思考题
  • 参考文献
  • 第五章 神经网络与空间信息智能处理
  • 5.1 生物模型与人工模型
  • 5.1.1 生物神经元模型
  • 5.1.2 人工神经元模型
  • 5.2 神经网络模型
  • 5.2.1 概述
  • 5.2.2 前向网络
  • 5.2.3 反馈网络
  • 5.2.4 自组织神经网络
  • 5.2.5 卷积神经网络
  • 5.2.6 学习规则与算法
  • 5.3 神经网络在遥感中的应用
  • 5.3.1 神经网络在遥感影像分类中的应用
  • 5.3.2 神经网络在遥感水深反演中的应用
  • 5.3.3 基于卷积神经网络的青海湖区域遥感影像分类
  • 5.3.4 模糊神经网络高分辨率遥感影像监督分类
  • 5.4 神经网络在GIS中的应用
  • 5.4.1 神经网络在GIS适宜性评价中的应用
  • 5.4.2 神经网络在GIS预测中的应用
  • 5.5 神经网络在GNSS中的应用
  • 5.5.1 概述
  • 5.5.2 基于BP神经网络的差分GNSS定位模型
  • 5.5.3 实例分析
  • 讨论与思考题
  • 参考文献
  • 第六章 优化理论与空间信息智能处理
  • 6.1 优化算法概述
  • 6.2 遗传算法
  • 6.2.1 GA简介
  • 6.2.2 GA运算过程
  • 6.3 模拟退火算法
  • 6.3.1 模拟退火算法简介
  • 6.3.2 优化组合问题与Metropolis准则
  • 6.3.3 SA算法流程及特点
  • 6.4 禁忌搜索算法
  • 6.4.1 禁忌搜索算法概述
  • 6.4.2 TS算法构成
  • 6.4.3 TS算法流程及特点
  • 6.5 混合遗传算法
  • 6.5.1 HGA设计原则
  • 6.5.2 几种HGA简述
  • 6.6 群智能算法
  • 6.6.1 蚁群优化算法
  • 6.6.2 粒子群优化算法
  • 6.7 基于GA的遥感数据最优波段组合选择方法
  • 6.7.1 现有遥感数据波段选择方法
  • 6.7.2 基于GA的波段选择方法设计
  • 6.7.3 实例分析
  • 6.8 基于人工蚁群优化算法的遥感图像自动分类
  • 6.8.1 基于ACO算法的遥感图像分类原理
  • 6.8.2 ACO图像分类的实现
  • 6.8.3 实验分析与结论
  • 6.9 粒子群优化算法在遥感图像处理中的应用
  • 6.9.1 PSO算法在图像分割中的应用
  • 6.9.2 PSO算法在图像分类中的应用
  • 讨论与思考题
  • 参考文献
  • 第七章 空间信息智能融合
  • 7.1 4G地学空间数据融合
  • 7.1.1 4G地学空间数据主要内容
  • 7.1.2 4G地学空间数据特征
  • 7.1.3 4G地学空间数据集成
  • 7.2 多源地学信息综合处理
  • 7.2.1 多源信息集成与融合的意义和必要性
  • 7.2.2 多源地学信息综合处理理论
  • 7.2.3 多源地学信息综合处理方法
  • 7.3 遥感信息融合
  • 7.3.1 遥感影像的表色系统
  • 7.3.2 遥感图像融合的层次性
  • 7.3.3 遥感图像融合方法
  • 7.3.4 遥感图像融合效果评价
  • 7.4 GIS空间信息融合
  • 7.4.1 多源地理空间数据
  • 7.4.2 地理空间矢量数据融合
  • 7.4.3 地理空间矢量数据融合原则与过程
  • 讨论与思考题
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

北京大学出版社

北京大学出版社是在1979年，经国家出版事业管理局同意，教育部批准成立的，恢复了北京大学出版社建制。北京大学出版社依靠北大雄厚的教学、科研力量，同时积极争取国内外专家学者的合作支持，出版了大量高水平、高质量、适应多层次需要的优秀高等教育教材。 北大出版社注意对教材进行全面追踪，捕捉信息，及时修订，以跟上各学科的最新发展，反映该学科研究的最新成果，保持北大版教材的领先地位。