幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

目標智能跟蹤與識別(精)/新一代信息技術前沿系列叢書

  • 作者：編者:崔亞奇//熊偉//彭?//唐田田|責編:曲昕|總主編:王金龍//何友//崔鐵軍//祝寧華
  • 出版社：電子工業
  • ISBN：9787121495267
  • 出版日期：2025/01/01
  • 裝幀：精裝
  • 頁數：399
人民幣：RMB 138 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書聚焦于複雜信息環境（信息海量、模糊、衝突、不確定、缺損等）下，智能信息融合處理的最新發展趨勢與研究方向，總結創新成果，將人工智慧運用到信息融合技術中。本書除了理論講解，更注重人工智慧在具體場景中的落地應用。本書採用機器學習、深度學習等人工智慧技術，圍繞信息融合中的多源信息關聯、目標跟蹤、目標識別等核心關鍵問題，應用在中斷航跡智能關聯、多源航跡智能關聯、跨域信息統一表示、跨域信息關聯、目標智能跟蹤、目標智能濾波、基於航行大數據的目標識別等方面，可為實際工程應用提供重要技術支撐。
    本書可作為電子信息處理專業研究生的教學參考用書，也可供從事激光、機器人、遙感遙測等領域工程人員參考。
作者介紹
編者:崔亞奇//熊偉//彭?//唐田田|責編:曲昕|總主編:王金龍//何友//崔鐵軍//祝寧華
目錄
第1章  概述
  1.1  引言
  1.2  目標跟蹤的研究歷程
  1.3  目標識別的研究歷程
  1.4  目標跟蹤與識別的主要挑戰
  1.5  人工智慧時代下的發展新機遇
  1.6  本書的範圍和概貌
  參考文獻
第2章  人工智慧基礎
  2.1  引言
  2.2  機器學習基礎
    2.2.1  定義與歷程
    2.2.2  分類與術語
  2.3  機器學習步驟
    2.3.1  數據集構建
    2.3.2  模型選擇
    2.3.3  模型訓練
    2.3.4  模型運用
  2.4  機器學習典型演算法
    2.4.1  感知機
    2.4.2  支持向量機
    2.4.3  神經網路
    2.4.4  集成學習
  2.5  深度學習
    2.5.1  概述
    2.5.2  卷積神經網路
    2.5.3  循環神經網路
    2.5.4  圖神經網路
    2.5.5  生成對抗網路
    2.5.6  擴散模型
    2.5.7  Transformer模型
    2.5.8  網路優化與正則化
    2.5.9  遷移學習
    2.5.10  注意力機制
    2.5.11  神經網路的可視化
  2.6  強化學習
    2.6.1  概述
    2.6.2  基本術語
    2.6.3  Q-Learning演算法
    2.6.4  策略梯度演算法
    2.6.5  演員-評論家演算法
  2.7  小結
  參考文獻
第3章  結合式智能濾波方法
  3.1  引言
  3.2  目標跟蹤的基礎理論和模型
    3.2.1  狀態空間模型
    3.2.2  貝葉斯濾波器
  3.3  Kalman和深度學習混合驅動的目標跟蹤演算法
    3.3.1  Kalman濾波器

    3.3.2  端到端學習的推導
    3.3.3  端到端學習的循環Kalman目標跟蹤演算法
    3.3.4  數據集生成與演算法訓練
    3.3.5  模擬實驗與結果分析
  3.4  IMM和深度學習混合驅動的目標跟蹤演算法
    3.4.1  IMM演算法
    3.4.2  端到端學習的自適應IMM演算法原理
    3.4.3  數據集生成與演算法訓練
    3.4.4  模擬實驗與結果分析
  3.5  演算法性能綜合對比分析
  3.6  小結
  參考文獻
第4章  替換式智能濾波方法
  4.1  引言
  4.2  基於神經微分方程的單模型混合驅動目標跟蹤演算法
    4.2.1  目標運動的隨機微分方程
    4.2.2  單模型混合驅動目標跟蹤演算法
    4.2.3  數據集生成與演算法訓練
    4.2.4  模擬實驗與結果分析
  4.3  基於神經微分方程的多模型混合驅動目標跟蹤演算法
    4.3.1  單模型混合驅動目標跟蹤演算法的專一性
    4.3.2  演算法結構設計與訓練
    4.3.3  模擬實驗與結果分析
  4.4  演算法性能綜合對比分析
  4.5  小結
  參考文獻
第5章  重構式智能濾波方法
  5.1  引言
  5.2  典型濾波計算結構分析
    5.2.1  ? -? 濾波計算結構分析
    5.2.2  Kalman濾波計算結構分析
  5.3  重構式智能濾波
    5.3.1  典型神經網路結構
    5.3.2  重構式智能濾波網路結構設計
    5.3.3  重構式智能濾波網路簡單實現
  5.4  實驗驗證
    5.4.1  模擬設置
    5.4.2  模擬結果
  5.5  小結
  參考文獻
第6章  基於強化學習的數據智能關聯方法
  6.1  引言
  6.2  網路集成學習的數據關聯網路架構
    6.2.1  模型組成
    6.2.2  USMA網路架構
    6.2.3  訓練網路與測試網路
    6.2.4  模擬實驗與結果分析
  6.3  基於LSTM-RL網路的數據關聯網路架構
    6.3.1  網路架構
    6.3.2  智能體設計

    6.3.3  動作選擇
    6.3.4  獎勵函數的定義
    6.3.5  自適應調整機制
    6.3.6  模擬實驗與結果分析
  6.4  小結
  參考文獻
第7章  端到端目標智能跟蹤方法
  7.1  引言
  7.2  問題描述與演算法分析
    7.2.1  多目標跟蹤問題描述
    7.2.2  關聯類目標跟蹤框架
    7.2.3  數據關聯與跟蹤濾波
    7.2.4  DeepSTT網路設計原則
  7.3  DeepSTT-B網路設計
    7.3.1  DeepSTT-B網路
    7.3.2  DeepSTT網路
    7.3.3  跟蹤實現
  7.4  實驗驗證
    7.4.1  模擬設置
    7.4.2  模擬結果
  7.5  小結
  參考文獻
第8章  無人艇平台視頻多目標跟蹤
  8.1  引言
  8.2  現有研究基礎
    8.2.1  基於檢測的視頻多目標跟蹤
    8.2.2  SORT演算法
    8.2.3  SIFT圖像配准與RANSAC演算法
  8.3  無人艇視頻多目標跟蹤改進演算法
    8.3.1  基於圖像配準的運動補償演算法S-R補償
    8.3.2  引入加速度參數的Kalman濾波
    8.3.3  多級級聯匹配
  8.4  實驗對比及分析
    8.4.1  數據集構建
    8.4.2  評估指標
    8.4.3  消融實驗
    8.4.4  演算法改進前後跟蹤結果可視化分析
    8.4.5  與其他SOTA演算法的對比及分析
  8.5  小結
  參考文獻
第9章  航行特徵機器學習目標識別方法
  9.1  引言
  9.2  航跡特徵建模
    9.2.1  平均航速
    9.2.2  最大航速
    9.2.3  高速航行比例
    9.2.4  低速航行比例
    9.2.5  加速機動因子
    9.2.6  航向累計變化量
    9.2.7  轉向機動因子

  9.3  航跡數據集構建
    9.3.1  AIS數據
    9.3.2  數據集構建流程
    9.3.3  數據分析
  9.4  分類器設計
  9.5  實驗對比及分析
    9.5.1  特徵量篩選
    9.5.2  特徵可視化分析
    9.5.3  實驗結果
  9.6  小結
  參考文獻
第10章  航行特徵深度學習目標識別方法
  10.1  引言
  10.2  基於貝葉斯-Transformer神經網路模型的目標識別方法
    10.2.1  貝葉斯-Transformer神經網路模型
    10.2.2  實驗對比及分析
    10.2.3  本節小結
  10.3  融合情境信息的海面目標識別方法
    10.3.1  情境信息建模
    10.3.2  基於情境增強的航跡識別方法
    10.3.3  實驗對比及分析
    10.3.4  本節小結
  10.4  小結
  參考文獻
第11章  可見光遙感圖像與SAR圖像關聯
  11.1  引言
  11.2  研究基礎
    11.2.1  SAR圖像關聯學習演算法
    11.2.2  有監督多源哈希關聯演算法
  11.3  深度多源哈希演算法DCMHN
    11.3.1  圖像變換機制
    11.3.2  圖像對訓練策略
    11.3.3  三元組哈希損失結構
  11.4  實驗對比及分析
    11.4.1  SAR-可見光雙模態遙感圖像數據集
    11.4.2  實驗設置和評估標準
    11.4.3  DCMHN演算法有效性實驗
    11.4.4  參數分析
    11.4.5  對比實驗
  11.5  小結
  參考文獻
第12章  可見光遙感圖像與文本信息關聯
  12.1  引言
  12.2  遙感圖像與英文文本跨模態關聯
    12.2.1  研究基礎
    12.2.2  基於深度哈希的相似度矩陣輔助遙感圖像跨模態關聯方法
    12.2.3  實驗對比及分析
  12.3  遙感圖像與中文文本跨模態關聯
    12.3.1  研究基礎
    12.3.2  基於多粒度特徵的遙感圖像跨模態關聯方法

    12.3.3  實驗對比及分析
  12.4  小結
  參考文獻
第13章  遙感SAR圖像與AIS信息關聯
  13.1  引言
  13.2  研究基礎
    13.2.1  SAR圖像與AIS信息關聯方法
    13.2.2  特徵融合
  13.3  基於深度特徵融合的遙感圖像與AIS信息關聯方法
    13.3.1  SAR圖像特徵表示
    13.3.2  AIS信息特徵表示
    13.3.3  特徵融合設計
  13.4  實驗對比及分析
    13.4.1  數據集構建
    13.4.2  實驗設置
    13.4.3  對比實驗結果與分析
    13.4.4  模型簡化實驗
  13.5  小結
  參考文獻
第14章  遙感圖像與文本間通用跨模態關聯
  14.1  引言
  14.2  研究基礎
    14.2.1  Transformer相關介紹
    14.2.2  對比學習方法
  14.3  基於融合對比的遙感圖像跨模態關聯方法
    14.3.1  遙感圖像視覺特徵表示
    14.3.2  序列文本特徵表示
    14.3.3  跨模態信息融合
    14.3.4  目標函數
  14.4  實驗對比及分析
    14.4.1  實驗設置及評價指標
    14.4.2  對比實驗結果與分析
    14.4.3  模型有效性驗證實驗
    14.4.4  關聯檢索結果展示與分析
  14.5  小結
  參考文獻
第15章  航跡光電相關開源數據集
  15.1  引言
  15.2  基於全球AIS的多源航跡關聯數據集，
    15.2.1  數據集構建
    15.2.2  數據集展示
  15.3  海上船舶目標多源數據集可見光圖像部分
    15.3.1  數據集構建
    15.3.2  數據集展示
  15.4  小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032