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。
導語_點評_推薦詞
序
前
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
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
3.2 貝葉斯基
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
4.2 偽二維隱馬爾可夫基
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
5.2 遺傳算法基
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
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 PN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
7.2 模糊聚類數學基
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
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
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
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 基于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
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
