描述
包 装: 平塑勒是否套装: 否国际标准书号ISBN: 9787121469695丛书名: 体系工程与装备论证系列丛书
内容简介
大数据时代的武器装备情报分析在信息技术特别是人工智能技术飞速发展的推动下，正面临新挑战、呈现新特点、孕育新模式。如何将大数据分析技术与武器装备情报这对具有天然底层关联的东西结合起来研究，有很多维度可以破解。本书从情报大数据分析技术维度出发，着眼大数据背景下的情报类型需求，构建情报分析技术体系架构，剖析快速决策技术、噪声数据处理技术、概念漂移处理技术的底层和应用，并通过综合案例加以应用。 本书以推进武器装备情报大数据分析技术发展为出发点，力求为情报分析、大数据分析、武器装备研发等领域的科学研究提供有益参考。
目 录
第1章 绪论 001
1.1 情报 001
1.1.1 情报和情报观 001
1.1.2 情报的基本分类 002
1.2 情报分析 003
1.2.1 情报分析的定义与内涵 003
1.2.2 情报分析的类型 004
1.2.3 情报分析的思维方法 005
1.3 大数据时代情报分析的机遇与挑战 006
1.3.1 数据规模巨大，对情报数据处理提出了挑战 007
1.3.2 数据种类多样，对情报数据整编融合提出了挑战 008
1.3.3 数据产生快速，对情报快速处理提出了挑战 010
1.3.4 数据价值密度降低，对情报挖掘分析提出了挑战 011
第2章 大数据背景下的情报模型 014
2.1 传统的情报模型 014
2.2 现代战争对情报的需求 015
2.2.1 现代战争更多地依赖于情报信息 015
2.2.2 现代战争需要更加及时的情报 016
2.2.3 情报转变为以问题为中心的数据驱动型模型 017
2.3 大数据背景下的情报模型概述 020
2.3.1 情报分析需要实现自动化 022
2.3.2 大数据情报需要可视化方案 023
2.3.3 大数据情报需要更广泛的专业化 024
第3章 情报大数据分析中的人工智能技术 026
3.1 人工智能和机器学习概述 026
3.1.1 基本概念 026
3.1.2 研究现状 027
3.1.3 未来发展 028
3.2 人工智能技术的应用 029
3.2.1 实现自动化的层次 029
3.2.2 人工智能的潜在应用 030
3.2.3 人工智能的支撑技术 034
3.3 人工智能方法 038
3.3.1 神经网络 038
3.3.2 全连接神经网络 039
3.3.3 卷积神经网络 040
3.3.4 递归神经网络 041
3.3.5 自编码器 043
3.3.6 深度强化学习 044
3.4 人工智能方法的脆弱性 045
3.4.1 对机器视觉系统的攻击 045
3.4.2 对语音识别系统的攻击 046
第4章 基于数据流挖掘的情报分析技术体系架构 048
4.1 情报分析过程 048
4.1.1 大数据时代情报分析技术发展 048
4.1.2 传统的情报周期 050
4.1.3 以目标为中心的情报流程 052
4.2 基于数据流挖掘的情报分析系统体系架构 054
4.2.1 数据挖掘概念 054
4.2.2 数据挖掘的过程与步骤 054
4.2.3 情报分析中数据挖掘技术的功能用途 055
4.2.4 基于数据挖掘的情报分析系统 056
4.2.5 基于数据流挖掘的情报分析技术体系 057
4.3 大数据背景下情报数据流挖掘分析的关键技术 060
4.3.1 信号噪声处理技术 061
4.3.2 数据分类处理技术 062
4.3.3 概念漂移处理技术 062
第5章 大数据情报信息快速决策树分类技术 064
5.1 分类技术基础 064
5.2 分类器模型构建方法 065
5.3 增量式分类器 066
5.3.1 快速分类决策树 066
5.3.2 基于线索化排序二叉树的快速决策树分类方法 067
5.3.3 连续属性区间剪枝 068
5.3.4 增量模糊决策树 070
5.3.5 可伸缩分类决策树框架 071
5.3.6 概念漂移适变快速分类决策树 071
5.4 快速分类决策树 073
5.4.1 快速分类决策树框架 073
5.4.2 分类精度 076
5.4.3 决策树生成过程 079
5.4.4 属性选择测度 080
5.4.5 连续属性处理 081
5.4.6 连续属性样本增量插入 081
5.4.7 连续属性的属性树线索化过程 082
5.4.8 最佳划分节点选取 082
第6章 大数据情报信息噪声数据处理技术 084
6.1 噪声数据处理流程 085
6.2 噪声数据处理算法基础理论 086
6.2.1 模糊理论基础 086
6.2.2 决策树构造中的连续属性处理 086
6.2.3 传统决策树和模糊决策树 086
6.2.4 基于连续属性平滑离散化的模糊决策树生成过程 088
6.3 噪声数据增量模糊决策树算法实现 090
第7章 大数据情报信息概念漂移处理技术 093
7.1 概念漂移基础 093
7.1.1 概念漂移定义 094
7.1.2 概念漂移分类 095
7.2 概念漂移处理方法 096
7.2.1 STAGGER和FLORA 096
7.2.2 OLIN 096
7.2.3 UFFT 096
7.3 概念漂移自适应快速分类决策树算法框架 097
7.4 基于扩展哈希表的概念漂移自适应快速分类决策树算法 099
7.4.1 扩展哈希表基本数据结构 099
7.4.2 新数据到达时的扩展哈希表插入过程 100
7.4.3 数据流出时的扩展哈希表删除过程 100
7.4.4 连续属性最佳划分节点选取过程 102
第8章 武器装备情报大数据分析案例 103
8.1 基于LLA的国防采办决策 103
8.1.1 研究背景 103
8.1.2 词法链接分析方法 104
8.1.3 词组产生和“文本-概念-聚类”模型 107
8.1.4 词法链接分析用于国防采办可视化环境 109
8.2 服务采办决策的大数据分析 112
8.2.1 研究背景 112
8.2.2 研究方法和过程 114
8.2.3 研究结果 115
8.2.4 结论 118
8.3 装备维修决策的大数据分析 118
8.3.1 研究背景 119
8.3.2 研究方法和过程 119
8.3.3 结果和结论 120
参考文献 125
1.1 情报 001
1.1.1 情报和情报观 001
1.1.2 情报的基本分类 002
1.2 情报分析 003
1.2.1 情报分析的定义与内涵 003
1.2.2 情报分析的类型 004
1.2.3 情报分析的思维方法 005
1.3 大数据时代情报分析的机遇与挑战 006
1.3.1 数据规模巨大，对情报数据处理提出了挑战 007
1.3.2 数据种类多样，对情报数据整编融合提出了挑战 008
1.3.3 数据产生快速，对情报快速处理提出了挑战 010
1.3.4 数据价值密度降低，对情报挖掘分析提出了挑战 011
第2章 大数据背景下的情报模型 014
2.1 传统的情报模型 014
2.2 现代战争对情报的需求 015
2.2.1 现代战争更多地依赖于情报信息 015
2.2.2 现代战争需要更加及时的情报 016
2.2.3 情报转变为以问题为中心的数据驱动型模型 017
2.3 大数据背景下的情报模型概述 020
2.3.1 情报分析需要实现自动化 022
2.3.2 大数据情报需要可视化方案 023
2.3.3 大数据情报需要更广泛的专业化 024
第3章 情报大数据分析中的人工智能技术 026
3.1 人工智能和机器学习概述 026
3.1.1 基本概念 026
3.1.2 研究现状 027
3.1.3 未来发展 028
3.2 人工智能技术的应用 029
3.2.1 实现自动化的层次 029
3.2.2 人工智能的潜在应用 030
3.2.3 人工智能的支撑技术 034
3.3 人工智能方法 038
3.3.1 神经网络 038
3.3.2 全连接神经网络 039
3.3.3 卷积神经网络 040
3.3.4 递归神经网络 041
3.3.5 自编码器 043
3.3.6 深度强化学习 044
3.4 人工智能方法的脆弱性 045
3.4.1 对机器视觉系统的攻击 045
3.4.2 对语音识别系统的攻击 046
第4章 基于数据流挖掘的情报分析技术体系架构 048
4.1 情报分析过程 048
4.1.1 大数据时代情报分析技术发展 048
4.1.2 传统的情报周期 050
4.1.3 以目标为中心的情报流程 052
4.2 基于数据流挖掘的情报分析系统体系架构 054
4.2.1 数据挖掘概念 054
4.2.2 数据挖掘的过程与步骤 054
4.2.3 情报分析中数据挖掘技术的功能用途 055
4.2.4 基于数据挖掘的情报分析系统 056
4.2.5 基于数据流挖掘的情报分析技术体系 057
4.3 大数据背景下情报数据流挖掘分析的关键技术 060
4.3.1 信号噪声处理技术 061
4.3.2 数据分类处理技术 062
4.3.3 概念漂移处理技术 062
第5章 大数据情报信息快速决策树分类技术 064
5.1 分类技术基础 064
5.2 分类器模型构建方法 065
5.3 增量式分类器 066
5.3.1 快速分类决策树 066
5.3.2 基于线索化排序二叉树的快速决策树分类方法 067
5.3.3 连续属性区间剪枝 068
5.3.4 增量模糊决策树 070
5.3.5 可伸缩分类决策树框架 071
5.3.6 概念漂移适变快速分类决策树 071
5.4 快速分类决策树 073
5.4.1 快速分类决策树框架 073
5.4.2 分类精度 076
5.4.3 决策树生成过程 079
5.4.4 属性选择测度 080
5.4.5 连续属性处理 081
5.4.6 连续属性样本增量插入 081
5.4.7 连续属性的属性树线索化过程 082
5.4.8 最佳划分节点选取 082
第6章 大数据情报信息噪声数据处理技术 084
6.1 噪声数据处理流程 085
6.2 噪声数据处理算法基础理论 086
6.2.1 模糊理论基础 086
6.2.2 决策树构造中的连续属性处理 086
6.2.3 传统决策树和模糊决策树 086
6.2.4 基于连续属性平滑离散化的模糊决策树生成过程 088
6.3 噪声数据增量模糊决策树算法实现 090
第7章 大数据情报信息概念漂移处理技术 093
7.1 概念漂移基础 093
7.1.1 概念漂移定义 094
7.1.2 概念漂移分类 095
7.2 概念漂移处理方法 096
7.2.1 STAGGER和FLORA 096
7.2.2 OLIN 096
7.2.3 UFFT 096
7.3 概念漂移自适应快速分类决策树算法框架 097
7.4 基于扩展哈希表的概念漂移自适应快速分类决策树算法 099
7.4.1 扩展哈希表基本数据结构 099
7.4.2 新数据到达时的扩展哈希表插入过程 100
7.4.3 数据流出时的扩展哈希表删除过程 100
7.4.4 连续属性最佳划分节点选取过程 102
第8章 武器装备情报大数据分析案例 103
8.1 基于LLA的国防采办决策 103
8.1.1 研究背景 103
8.1.2 词法链接分析方法 104
8.1.3 词组产生和“文本-概念-聚类”模型 107
8.1.4 词法链接分析用于国防采办可视化环境 109
8.2 服务采办决策的大数据分析 112
8.2.1 研究背景 112
8.2.2 研究方法和过程 114
8.2.3 研究结果 115
8.2.4 结论 118
8.3 装备维修决策的大数据分析 118
8.3.1 研究背景 119
8.3.2 研究方法和过程 119
8.3.3 结果和结论 120
参考文献 125
评论
还没有评论。