新書推薦：
《
第二琵琶协奏曲
》
售價：HK$
56.4
《
工程机械手册——农林牧渔机械
》
售價：HK$
457.7
《
夜幕之下（5、6套装）
》
售價：HK$
126.5
《
国际艺术品市场A-Z：风俗、习惯和惯例的基本指南
》
售價：HK$
78.2
《
忧伤的群岛：查戈斯人的流散与抗争
》
售價：HK$
90.9
《
现代自建小别墅VR效果图 实用的自建小别墅指南 帮你解决设计难题
》
售價：HK$
156.4
《
语义学（下卷）（语言学及应用语言学名著译丛）
》
售價：HK$
156.4
《
迷人的珊瑚礁（迷人的科学丛书）
》
售價：HK$
124.2
|
| 內容簡介： |
|
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。《空间智能计算》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。
|
| 目錄：
|
|
目录前言第1章 空间大数据 11.1 概述 11.1.1 空间大数据的概念 11.1.2 空间大数据的特征 21.1.3 空间大数据时代的挑战 31.2 空间大数据的获取 51.2.1 来源 51.2.2 获取方式 81.2.3 数据清洗 101.3 空间大数据的管理 131.3.1 云计算 131.3.2 管理框架 171.4 空间大数据分析 241.4.1 分析框架 241.4.2 空间智能计算 251.5 本书内容与章节安排 26第2章 学习原理 292.1 学习任务与经验 292.1.1 学习任务 292.1.2 学习经验 312.2 性能度量 342.2.1 ROC与AUC 342.2.2 容量、过拟合和欠拟合 372.2.3 超参数和验证集 402.2.4 偏差和方差 41第3章 聚类、分类与回归 433.1 DBSCAN算法 433.1.1 基本概念 443.1.2 算法描述 443.1.3 与传统聚类方法的对比 453.1.4 实例 453.2 投影寻踪聚类算法 463.2.1 基本原理 463.2.2 投影指标 473.2.3 算法描述 483.2.4 投影寻踪聚类实例 493.3 贝叶斯算法 503.3.1 贝叶斯分类 503.3.2 贝叶斯回归 543.4 支持向量机算法 553.4.1 支持向量机分类 573.4.2 支持向量机回归 583.4.3 支持向量机分类SVC 实例 583.4.4 支持向量机回归SVR 实例 593.5 神经网络算法 593.5.1 原理及学习过程 603.5.2 BP神经网络 603.5.3 BP神经网络实例 623.5.4 其他几种算法 623.6 决策树算法 663.6.1 基本原理 663.6.2 具体算法描述 683.6.3 实例 693.7 集成学习 703.7.1 原理概述 703.7.2 bagging 713.7.3 boosting 723.7.4 stacking 723.7.5 实例 733.8 随机森林 763.8.1 概述与算法流程 763.8.2 特征重要性评估 773.8.3 实例 783.9 提升方法 793.9.1 Adaboost 793.9.2 提升树 803.10 迁移学习 823.10.1 概述 823.10.2 分类 833.10.3 实例 85第4章 关联规则 864.1 基本概念 864.1.1 定义 864.1.2 分类 874.1.3 挖掘过程 884.2 相关算法 894.2.1 Apriori算法 894.2.2 FP-Growth算法 924.2.3 多层关联规则挖掘算法 954.2.4 多维关联规则挖掘算法 95第5章 优化 965.1 算法分类 965.1.1 贪心算法 965.1.2 启发式算法 985.2 蚁群算法 1005.2.1 基本思想 1005.2.2 算法原理 1015.2.3 实例 1025.3 人工鱼群算法 1045.3.1 基本概念 1045.3.2 行为描述 1045.3.3 算法步骤 1055.3.4 比较分析 1055.3.5 实例 1065.4 蜂群算法 1075.4.1 基于蜜蜂繁殖机理的蜂群算法 1075.4.2 基于蜜蜂采蜜机理的蜂群算法 1095.4.3 人工蜂群算法函数优化实例 1125.5 粒子群优化算法 1135.5.1 概述 1135.5.2 实例 1165.6 遗传算法 1175.6.1 有关概念及实现过程 1175.6.2 基于实数编码的遗传算法 1195.6.3 操作过程 1225.6.4 特点 1225.6.5 实例 1235.7 禁忌搜索算法 1245.7.1 概述 1255.7.2 实例 1265.8 模拟退火算法 1275.8.1 基本原理 1275.8.2 算法步骤 1285.8.3 实例 128第6章 深度学习 1306.1 深度学习发展史 1306.1.1 起源阶段 1306.1.2 发展阶段 1316.1.3 爆发阶段 1316.2 深度学习的常用方法 1326.2.1 自动编码器 1326.2.2 深度前馈神经网络 1356.2.3 深度卷积神经网络 1386.2.4 深度置信网络 1426.2.5 深度融合网络 1446.2.6 深度强化学习 1476.3 深度学习平台 1486.3.1 TensorFlow 1486.3.2 Caffe 1496.3.3 Theano 1496.3.4 Torch 150第7章 面向数据流的学习方法 1527.1 概述 1527.1.1 数据流处理的特点 1537.1.2 数据流的基本模型 1547.2 面向数据流的处理技术 1557.2.1 窗口技术 1557.2.2 动态抽样技术 1567.2.3 概要数据结构 1577.2.4 更新策略 1587.3 面向数据流的学习算法 1607.3.1 数据流聚类算法 1607.3.2 数据流分类算法 1657.4 分形学习 1687.4.1 分形聚类算法 1697.4.2 分形分类 174第8章 概率推理 1778.1 不确定性的量化 1778.1.1 推理的不确定性 1778.1.2 利用概率量化不确定性 1788.1.3 使用完全联合分布进行计算 1808.1.4 使用朴素贝叶斯模型降低计算量 1818.2 普通概率推理 1838.2.1 贝叶斯网络 1838.2.2 贝叶斯网络中的精确推理 1858.2.3 贝叶斯网络中的近似推理 1888.3 时序概率推理 1918.3.1 转移模型与传感器模型 1918.3.2 一般时序推理 1938.3.3 隐马尔可夫模型 1978.3.4 卡尔曼滤波器 1998.3.5 动态贝叶斯网络 2028.3.6 跟踪多个对象 209第9章 复杂决策 2119.1 模糊集 2119.1.1 定义 2119.1.2 模糊综合评价法 2149.2 智集 2159.2.1 定义 2159.2.2 区间值智集软集 2199.2.3 智集在复杂决策中的应用 2209.3 粗糙集 2219.3.1 基础理论 2219.3.2 方法概述 2229.3.3 实例 2239.4 多维决策分析 2249.4.1 标准化 2249.4.2 层次分析法 2259.4.3 模糊层次分析法 2289.4.4 变异系数法 2299.4.5 熵权法 2299.4.6 突变级数法 2299.4.7 物元分析 2329.4.8 集对分析 2379.4.9 灰色理论 240第10章 多目标求解 24910.1 线性规划法 24910.1.1 线性规划的数学模型 24910.1.2 线性规划的解及其性质 25010.1.3 线性规划问题的求解方法 25110.2 目标规划法 25210.2.1 描述目标规划模型的有关概念 25210.2.2 优先因子(优先等级)与权系数 25210.2.3 目标函数 25210.2.4 目标规划模型的一般形式 25310.2.5 求解目标规则的单纯形方法 25310.3 灰色规划法 25410.3.1 概念及方法 25410.3.2 灰色线性规划的特点 25510.3.3 灰参数线性规划 25510.3.4 实例 256第11章 感知 25911.1 物理感知 25911.1.1 物理感知的发展 26011.1.2 物理感知的新技术与应用 26111.2 社会感知 26211.2.1 发展历史 26211.2.2 技术与应用 26311.2.3 社会媒体数据获取 26511.2.4 社会传感器网络 26611.2.5 应用领域 268第12章 文本分类与情感分析 27012.1 文本分类 27012.1.1 文本分类概述 27012.1.2 向量空间模型 27112.1.3 n元语法 27212.1.4 分词原理 27412.1.5 分词工具库 27612.1.6 文本特征的选取方法 27712.1.7 特征权重计算 27912.1.8 分类器设计 28012.1.9 分类性能评价 28112.2 文本情感分析 28212.2.1 概述 28212.2.2 情感词典 28212.2.3 基于情感特征匹配的文本情感分析 28312.2.4 基于情感词典的加权情感分析 28412.2.5 文本数据的情感分析 284第13章 社会网络 28913.1 社会网络的基本概念 28913.1.1 社群图表达法 29013.1.2 矩阵代数表达法 29113.2 社会网络分析 29113.2.1 静态几何特征 29113.2.2 中心性分析 29313.2.3 凝聚子群 29713.2.4 自相似网络 30013.3 社会网络分析的应用 30313.3.1 社会网络分析软件 30313.3.2 社区发现 304第14章 复杂地理计算 30714.1 地理元胞自动机 30814.1.1 元胞自动机的定义 30814.1.2 元胞自动机进行模拟的原理 30814.1.3 地理元胞自动机的原理及应用 30914.2 多智能体 31914.2.1 基本概念 31914.2.2 多智能体系统建模过程 32014.2.3 主流仿真模拟平台 323第15章 可视化 32515.1 可视化分析研究方向 32515.2 空间大数据可视化方法 32615.2.1 地理信息可视化 32615.2.2 海量特征数据可视化 32715.2.3 时空特征数据可视化 32815.2.4 多维特征数据可视化 32915.2.5 社会网络
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
