0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: 本科教材 > 理学 > 0705 地理学 > 空间智能计算

相同作者的商品

相同语种的商品

浏览历史

空间智能计算


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
空间智能计算
  • 书号:9787030636423
    作者:苏世亮,李霖,翁敏
  • 外文书名:
  • 装帧:平装
    开本:16
  • 页数:365
    字数:584000
    语种:zh-Hans
  • 出版社:科学出版社
    出版时间:2020-07-01
  • 所属分类:
  • 定价: ¥89.00元
    售价: ¥70.31元
  • 图书介质:
    纸质书

  • 购买数量: 件  可供
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

空间智能计算旨在理解和模拟人类的学习、感知、推理、行动,对空间大数据进行挖掘与分析,协助解决自然、社会中存在的实际问题。作者结合多年的教学和科研体会,在重视与地理信息科学专业空间数据分析课程衔接的基础上,遵循从理论基础到实际应用的主线,强调不同方法之间相互关联的逻辑关系,以全新视角构建了空间智能计算的知识体系。本书共六个部分16章,主要内容包括:概念认识、学习、不确定知识与推理、感知与行动、可视化、人工智能,力求深入浅出地为读者提供空间智能计算的思路、方法和应用途径。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    前言
    第1章 空间大数据 1
    1.1 概述 1
    1.1.1 空间大数据的概念 1
    1.1.2 空间大数据的特征 2
    1.1.3 空间大数据时代的挑战 3
    1.2 空间大数据的获取 5
    1.2.1 来源 5
    1.2.2 获取方式 8
    1.2.3 数据清洗 10
    1.3 空间大数据的管理 13
    1.3.1 云计算 13
    1.3.2 管理框架 17
    1.4 空间大数据分析 24
    1.4.1 分析框架 24
    1.4.2 空间智能计算 25
    1.5 本书内容与章节安排 26
    第2章 学习原理 29
    2.1 学习任务与经验 29
    2.1.1 学习任务 29
    2.1.2 学习经验 31
    2.2 性能度量 34
    2.2.1 ROC与AUC 34
    2.2.2 容量、过拟合和欠拟合 37
    2.2.3 超参数和验证集 40
    2.2.4 偏差和方差 41
    第3章 聚类、分类与回归 43
    3.1 DBSCAN算法 43
    3.1.1 基本概念 44
    3.1.2 算法描述 44
    3.1.3 与传统聚类方法的对比 45
    3.1.4 实例 45
    3.2 投影寻踪聚类算法 46
    3.2.1 基本原理 46
    3.2.2 投影指标 47
    3.2.3 算法描述 48
    3.2.4 投影寻踪聚类实例 49
    3.3 贝叶斯算法 50
    3.3.1 贝叶斯分类 50
    3.3.2 贝叶斯回归 54
    3.4 支持向量机算法 55
    3.4.1 支持向量机分类 57
    3.4.2 支持向量机回归 58
    3.4.3 支持向量机分类SVC 实例 58
    3.4.4 支持向量机回归SVR 实例 59
    3.5 神经网络算法 59
    3.5.1 原理及学习过程 60
    3.5.2 BP神经网络 60
    3.5.3 BP神经网络实例 62
    3.5.4 其他几种算法 62
    3.6 决策树算法 66
    3.6.1 基本原理 66
    3.6.2 具体算法描述 68
    3.6.3 实例 69
    3.7 集成学习 70
    3.7.1 原理概述 70
    3.7.2 bagging 71
    3.7.3 boosting 72
    3.7.4 stacking 72
    3.7.5 实例 73
    3.8 随机森林 76
    3.8.1 概述与算法流程 76
    3.8.2 特征重要性评估 77
    3.8.3 实例 78
    3.9 提升方法 79
    3.9.1 Adaboost 79
    3.9.2 提升树 80
    3.10 迁移学习 82
    3.10.1 概述 82
    3.10.2 分类 83
    3.10.3 实例 85
    第4章 关联规则 86
    4.1 基本概念 86
    4.1.1 定义 86
    4.1.2 分类 87
    4.1.3 挖掘过程 88
    4.2 相关算法 89
    4.2.1 Apriori算法 89
    4.2.2 FP-Growth算法 92
    4.2.3 多层关联规则挖掘算法 95
    4.2.4 多维关联规则挖掘算法 95
    第5章 优化 96
    5.1 算法分类 96
    5.1.1 贪心算法 96
    5.1.2 启发式算法 98
    5.2 蚁群算法 100
    5.2.1 基本思想 100
    5.2.2 算法原理 101
    5.2.3 实例 102
    5.3 人工鱼群算法 104
    5.3.1 基本概念 104
    5.3.2 行为描述 104
    5.3.3 算法步骤 105
    5.3.4 比较分析 105
    5.3.5 实例 106
    5.4 蜂群算法 107
    5.4.1 基于蜜蜂繁殖机理的蜂群算法 107
    5.4.2 基于蜜蜂采蜜机理的蜂群算法 109
    5.4.3 人工蜂群算法函数优化实例 112
    5.5 粒子群优化算法 113
    5.5.1 概述 113
    5.5.2 实例 116
    5.6 遗传算法 117
    5.6.1 有关概念及实现过程 117
    5.6.2 基于实数编码的遗传算法 119
    5.6.3 操作过程 122
    5.6.4 特点 122
    5.6.5 实例 123
    5.7 禁忌搜索算法 124
    5.7.1 概述 125
    5.7.2 实例 126
    5.8 模拟退火算法 127
    5.8.1 基本原理 127
    5.8.2 算法步骤 128
    5.8.3 实例 128
    第6章 深度学习 130
    6.1 深度学习发展史 130
    6.1.1 起源阶段 130
    6.1.2 发展阶段 131
    6.1.3 爆发阶段 131
    6.2 深度学习的常用方法 132
    6.2.1 自动编码器 132
    6.2.2 深度前馈神经网络 135
    6.2.3 深度卷积神经网络 138
    6.2.4 深度置信网络 142
    6.2.5 深度融合网络 144
    6.2.6 深度强化学习 147
    6.3 深度学习平台 148
    6.3.1 TensorFlow 148
    6.3.2 Caffe 149
    6.3.3 Theano 149
    6.3.4 Torch 150
    第7章 面向数据流的学习方法 152
    7.1 概述 152
    7.1.1 数据流处理的特点 153
    7.1.2 数据流的基本模型 154
    7.2 面向数据流的处理技术 155
    7.2.1 窗口技术 155
    7.2.2 动态抽样技术 156
    7.2.3 概要数据结构 157
    7.2.4 更新策略 158
    7.3 面向数据流的学习算法 160
    7.3.1 数据流聚类算法 160
    7.3.2 数据流分类算法 165
    7.4 分形学习 168
    7.4.1 分形聚类算法 169
    7.4.2 分形分类 174
    第8章 概率推理 177
    8.1 不确定性的量化 177
    8.1.1 推理的不确定性 177
    8.1.2 利用概率量化不确定性 178
    8.1.3 使用完全联合分布进行计算 180
    8.1.4 使用朴素贝叶斯模型降低计算量 181
    8.2 普通概率推理 183
    8.2.1 贝叶斯网络 183
    8.2.2 贝叶斯网络中的精确推理 185
    8.2.3 贝叶斯网络中的近似推理 188
    8.3 时序概率推理 191
    8.3.1 转移模型与传感器模型 191
    8.3.2 一般时序推理 193
    8.3.3 隐马尔可夫模型 197
    8.3.4 卡尔曼滤波器 199
    8.3.5 动态贝叶斯网络 202
    8.3.6 跟踪多个对象 209
    第9章 复杂决策 211
    9.1 模糊集 211
    9.1.1 定义 211
    9.1.2 模糊综合评价法 214
    9.2 智集 215
    9.2.1 定义 215
    9.2.2 区间值智集软集 219
    9.2.3 智集在复杂决策中的应用 220
    9.3 粗糙集 221
    9.3.1 基础理论 221
    9.3.2 方法概述 222
    9.3.3 实例 223
    9.4 多维决策分析 224
    9.4.1 标准化 224
    9.4.2 层次分析法 225
    9.4.3 模糊层次分析法 228
    9.4.4 变异系数法 229
    9.4.5 熵权法 229
    9.4.6 突变级数法 229
    9.4.7 物元分析 232
    9.4.8 集对分析 237
    9.4.9 灰色理论 240
    第10章 多目标求解 249
    10.1 线性规划法 249
    10.1.1 线性规划的数学模型 249
    10.1.2 线性规划的解及其性质 250
    10.1.3 线性规划问题的求解方法 251
    10.2 目标规划法 252
    10.2.1 描述目标规划模型的有关概念 252
    10.2.2 优先因子(优先等级)与权系数 252
    10.2.3 目标函数 252
    10.2.4 目标规划模型的一般形式 253
    10.2.5 求解目标规则的单纯形方法 253
    10.3 灰色规划法 254
    10.3.1 概念及方法 254
    10.3.2 灰色线性规划的特点 255
    10.3.3 灰参数线性规划 255
    10.3.4 实例 256
    第11章 感知 259
    11.1 物理感知 259
    11.1.1 物理感知的发展 260
    11.1.2 物理感知的新技术与应用 261
    11.2 社会感知 262
    11.2.1 发展历史 262
    11.2.2 技术与应用 263
    11.2.3 社会媒体数据获取 265
    11.2.4 社会传感器网络 266
    11.2.5 应用领域 268
    第12章 文本分类与情感分析 270
    12.1 文本分类 270
    12.1.1 文本分类概述 270
    12.1.2 向量空间模型 271
    12.1.3 n元语法 272
    12.1.4 分词原理 274
    12.1.5 分词工具库 276
    12.1.6 文本特征的选取方法 277
    12.1.7 特征权重计算 279
    12.1.8 分类器设计 280
    12.1.9 分类性能评价 281
    12.2 文本情感分析 282
    12.2.1 概述 282
    12.2.2 情感词典 282
    12.2.3 基于情感特征匹配的文本情感分析 283
    12.2.4 基于情感词典的加权情感分析 284
    12.2.5 文本数据的情感分析 284
    第13章 社会网络 289
    13.1 社会网络的基本概念 289
    13.1.1 社群图表达法 290
    13.1.2 矩阵代数表达法 291
    13.2 社会网络分析 291
    13.2.1 静态几何特征 291
    13.2.2 中心性分析 293
    13.2.3 凝聚子群 297
    13.2.4 自相似网络 300
    13.3 社会网络分析的应用 303
    13.3.1 社会网络分析软件 303
    13.3.2 社区发现 304
    第14章 复杂地理计算 307
    14.1 地理元胞自动机 308
    14.1.1 元胞自动机的定义 308
    14.1.2 元胞自动机进行模拟的原理 308
    14.1.3 地理元胞自动机的原理及应用 309
    14.2 多智能体 319
    14.2.1 基本概念 319
    14.2.2 多智能体系统建模过程 320
    14.2.3 主流仿真模拟平台 323
    第15章 可视化 325
    15.1 可视化分析研究方向 325
    15.2 空间大数据可视化方法 326
    15.2.1 地理信息可视化 326
    15.2.2 海量特征数据可视化 327
    15.2.3 时空特征数据可视化 328
    15.2.4 多维特征数据可视化 329
    15.2.5 社会网络数据可视化 333
    15.3 可视化工具 336
    第16章 人工智能 344
    16.1 AlphaGo 344
    16.1.1 策略网络 346
    16.1.2 蒙特卡罗树 346
    16.1.3 估值网络 348
    16.1.4 树搜索 348
    16.2 自动驾驶 349
    16.2.1 自动驾驶分级 349
    16.2.2 无人驾驶系统算法 350
    16.2.3 高精度地图应用 352
    16.3 智慧城市 355
    16.3.1 诞生与挑战 355
    16.3.2 国内外实践 358
    16.4 智能机器人 359
    16.4.1 模式识别、机器视觉和机器学习 360
    16.4.2 人工智能在机器人领域的应用 361
    主要参考文献 363
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证