编辑推荐
空间信息智能处理，以地球系统科学为指导，详细探讨了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，以研究和揭示地球表层系统各组成部分之间的相互作用、时空特征和变化规律，为全球变化和区域可持续发展研究服务。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。《空间信息智能处理》可作为高等院校遥感、地理信息科学等相关专业空间信息智能处理课程的教材或教学参考书，也可供计算机、自动化、人工智能、智慧城市等专业的高校师生阅读、技术管理人员参考使用。
章节目录
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
空间信息智能处理是2019年由北京大学出版社出版,作者张飞舟。
得书感谢您对《空间信息智能处理》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
