遙感數據智慧處理方法與程序設計（簡體書）

本書是作者經過10余年在人工智能理論與遙感信息理論學科交叉領域的實踐，不斷探索所取得的成果總結。全書主要內容包括空間變換與分割、貝葉斯網絡、偽二維隱馬爾可夫、神經網絡、遺傳算法、模糊算法、粗糙集、支持向量機、禁忌人工免疫網絡等算法和算法組合。本書密切結合遙感應用中和圖像處理中的問題，在介紹智能算法基本原理的同時，注重闡述算法與應用問題的機理性結合，突出啟發性和實用性，培養和提高思考問題和解決問題的能力。本書附有智能算法的軟件程序光盤及使用說明書。
本書適合遙感技術、遙感信息機理和遙感圖像應用處理專業的廣大研究生使用，同時可供從事智能處理的軟件開發技術人員參考。

序
前言
第1章 緒論
1.1 衛星遙感系統與任務
1.2 遙感數據處理任務與方法
1.3 本章小結
主要參考文獻
第2章 變換與分割
2.1 引言
2.2 GIVENS旋轉變換與分解
2.3 Gram-Schmidt向量空間投影變換
2.4 小波高頻局部高頻融合
2.5 判別函數與超平面分割
2.6 本章小結
主要參考文獻
第3章 貝葉斯網絡
3.1 引言
3.2 貝葉斯基礎
3.3 貝葉斯網絡推理與分類器
3.4 貝葉斯網絡分類
3.5 動態貝葉斯網絡
3.6 貝葉斯網絡推理
3.7 本章小結
主要參考文獻
第4章 偽二維隱馬爾可夫
4.1 引言
4.2 偽二維隱馬爾可夫基礎
4.3 偽二維隱馬爾可夫模型的目標識別
4.4 P2DHMM目標檢測實驗
4.5 本章小結
主要參考文獻
第5章 遺傳算法
5.1 引言
5.2 遺傳算法基礎
5.3 遺傳算法的進化規則
5.4 遙感遺傳超平面分類
5.5 參數編解碼及其實現
5.6 EOS／MODIS圖像數據分類實驗
5.7 ETM+數據分類實驗
5.8 遺傳一匹配
5.9 遺傳一邊緣提取
5.10 本章小結
主要參考文獻
第6章 神經網絡
6.1 引言
6.2 神經網絡的學習規則
6.3 BP網絡分類
6.4 SOFM-LVO網絡分類
6.5 PCNN神經網絡
6.6 本章小結
主要參考文獻
第7章 模糊聚類
7.1 引言
7.2 模糊聚類數學基礎
7.3 模糊C-均值聚類和改進的模糊C-均值聚類
7.4 本章小結
主要參考文獻
第8章 粗糙集與容差粗糙集
8.1 引言
8.2 粗糙集理論
8.3 容差粗糙集
8.4 容差粗糙集數據預處理算法
8.5 容差粗糙集與BP算法結合的分類實驗
8.6 容差粗糙集監督分類
8.7 本章小結
主要參考文獻
第9章 支持向量機
9.1 引言
9.2 支持向量機原理
9.3 新型支持向量機與遙感影像分類
9.4 本章小結
主要參考文獻
第10章 禁忌人工免疫網絡算法
10.1 引言
10.2 禁忌搜索和人工免疫網絡
10.3 禁忌人工免疫網絡算法設計與實現
10.4 基於禁忌人工免疫網絡算法的影像自動配準
10.5 禁忌人工免疫網絡算法的影像自動融合
10.6 本章小結
主要參考文獻
第11章 粒子濾波
11.1 引言
11.2 粒子濾波原理
11.3 粒子濾波檢測前跟蹤框架
11.4 結合背景預測算法的粒子濾波檢測前跟蹤框架
11.5 本章小結
主要參考文獻
彩圖