空间智能原理与应用

封面

版权信息

内容提要

前言

第1章 绪论

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 智能科学的发展史

1.2.1 孕育

1.2.2 形成

1.2.3 发展

1.3 智能科学的现状

1.3.1 从图灵测试到IBM的“沃森”

1.3.2 谷歌的智能机器未来

1.3.3 百度大脑

1.3.4 微软智能生态

1.3.5 Facebook的“深脸”

1.3.6 三大突破让人工智能近在眼前

1.4 智能科学的研究内容及学派

1.4.1 智能科学研究的主要内容

1.4.2 智能科学的主要学派

1.4.3 各学派的认知观

1.4.4 智能的争论

1.5 空间信息处理中的智能技术

1.5.1 常见空间信息智能处理方法

1.5.2 空间智能技术研究现状

1.6 小结

第2章 空间知识表示

2.1 知识与知识表示的概念

2.1.1 知识的概念

2.1.2 知识的特性

2.1.3 知识的表示

2.2 本体

2.2.1 本体的概念

2.2.2 本体的组成与分类

2.3 谓词逻辑表示法

2.4 产生式表示法

2.4.1 产生式

2.4.2 产生式系统

2.4.3 产生式系统的例子——动物识别系统

2.4.4 产生式表示法的特点

2.5 面向对象表示法

2.5.1 面向对象方法学的主要观点

2.5.2 面向对象的基本概念

2.5.3 面向对象的知识表示

2.6 语义网络

2.6.1 语义网络的历史

2.6.2 语义网络的结构

2.6.3 语义网络的实例

2.6.4 基本的语义关系

2.6.5 语义网络的推理

2.7 知识图谱

2.7.1 知识图谱的研究背景

2.7.2 知识图谱的发展

2.7.3 知识图谱的定义

2.7.4 知识图谱的架构

2.7.5 知识图谱关键技术

2.7.6 知识图谱的典型应用

2.8 空间数据的知识表示

2.8.1 空间数据的知识表示

2.8.2 空间知识的表示

2.9 空间知识表示实例

2.9.1 面向对象的空间知识表示

2.9.2 基于知识图谱的地质灾害自动问答系统

2.10 小结

第3章 空间知识推理

3.1 推理的基本概念

3.1.1 推理的定义

3.1.2 推理方式及其分类

3.1.3 推理方向

3.1.4 冲突消解策略

3.2 自然演绎推理

3.3 鲁宾孙归结原理

3.3.1 基本概念

3.3.2 归结原理

3.3.3 归结反演

3.4 不确定性推理的概念

3.5 可信度方法

3.6 模糊理论

3.6.1 模糊逻辑的提出与发展

3.6.2 模糊集合

3.6.3 模糊集合的运算

3.7 粗糙集理论

3.7.1 粗糙集概述

3.7.2 粗糙集的基本理论

3.7.3 决策表的约简

3.8 推理理论在空间信息处理中的应用

3.8.1 模糊特征和模糊分类

3.8.2 基于模糊集理论的森林过火区遥感制图

3.9 小结

第4章 智能优化与空间信息处理

4.1 智能优化搜索

4.1.1 优化问题的分类

4.1.2 优化算法分类

4.2 局部搜索算法

4.2.1 梯度下降法

4.2.2 Powell算法

4.3 模拟退火算法