描述
包 装: 平装胶订国际标准书号ISBN: 9787030267672丛书名: 地理信息系统理论与应用丛书
内容简介
本书首先论述了GIS的概况,并提出了智能式GIS的概念。接着对人工智能的发展历史进行回顾，介绍了人工智能的基本原理、方法以及应用领域，并对人工智能的一般算法进行了详细地介绍。紧接着从空间知识分析、空间决策与优化以及地理模拟的角度出发，探讨人工智能与GIS结合的可行性和必要性。在此基础上，根据作者近年来的研究成果，对智能式空间知识分析、智能式空间决策与优化以及智能式地理模拟进行了深入的分析。首先，提出了利用人工智能方法从遥感和GIS数据中发现知识的新方法，包括采用数据挖掘技术自动获取CA的转换规则、采用群集智能方法对遥感影像进行分类以及采用蚁群智能方法进行影像分类。其次，详细介绍了遗传算法、粒子群算法、蚁群智能算法和地理元胞自动机等人工智能算法与GIS的集成研究，及其在基础设施选址与空间优化等复杂问题中的应用。*后，以城市演变、土地利用变化以及地理空间分异等复杂地理现象的模拟为例，探讨了基于
目 录
目录
前言
第1章 智能式GIS的提出 1
1.1 GIS概述 1
1.1.1 GIS的定义 1
1.1.2 GIS的组成 2
1.1.3 GIS的基本功能 4
1.1.4 GIS的发展 6
1.2 智能式GIS的提出 8
1.3 智能式GIS的定义 9
1.4 智能式GIS的发展前景 11
参考文献 12
第2章 计算机人工智能 14
2.1 人工智能的概述 14
2.1.1 人工智能的定义 14
2.1.2 人工智能的研究目标 16
2.1.3 人工智能的主要成就 17
2.1.4 人工智能对社会各领域的影响 18
2.2 人工智能的发展历史 19
2.2.1 人工智能诞生的历史背景 19
2.2.2 人工智能的诞生 21
2.2.3 人工智能的发展 21
2.3 人工智能的发展现状和展望 24
2.4 人工智能的基本原理和方法 25
2.5 人工智能主要应用领域 26
2.5.1 自动定理证明 27
2.5.2 模式识别 27
2.5.3 专家系统 28
2.5.4 机器学习 31
2.5.5 智能决策支持系统 33
参考文献 34
第3章 人工智能一般算法 37
3.1 人工神经网络 37
3.1.1 BP神经网络 38
3.1.2 Hopfield神经网络 40
3.2 遗传算法 42
3.2.1 概述 42
3.2.2 遗传算法的基本组成 43
3.3 免疫算法 50
3.3.1 自然免疫系统简介 50
3.3.2 免疫算法 50
3.4 群体智能算法 53
3.4.1 粒子群优化算法 53
3.4.2 蚁群算法 54
参考文献 56
第4章 GIS与人工智能的结合 59
4.1 GIS有关应用领域 59
4.1.1 城市与区域规划 59
4.1.2 资源管理与利用 60
4.1.3 环境监测与保护 61
4.1.4 商业规划与分析 61
4.2 GIS与人工智能结合的必要性和可行性 62
4.2.1 空间知识分析智能化 63
4.2.2 地理模拟智能化 66
4.2.3 空间优化与决策的智能化 69
4.3 人工智能在GIS中的研究热点 73
4.3.1 专家系统与GIS 73
4.3.2 进化计算与GIS 74
4.3.3 神经计算与GIS 75
参考文献 76
第5章 智能式GIS与空间知识发现 79
5.1 基于数据挖掘的元胞自动机与空间知识发现 79
5.1.1 数据挖掘及地理元胞自动机 80
5.1.2 实验区及空间数据 82
5.1.3 CA转换规则的自动挖掘 83
5.1.4 模拟结果及检验 86
5.1.5 结论 89
5.2 基于生物群集智能优化的遥感分类方法 89
5.2.1 粒子群算法的基本原理 90
5.2.2 基于粒子群的遥感分类方法 91
5.2.3 影像分类实验 94
5.2.4 结论 97
5.3 基于蚁群智能的遥感分类方法 97
5.3.1 蚁群算法的基本原理 98
5.3.2 基于蚁群智能的遥感分类模型 99
5.3.3 影像分类实验 103
5.3.4 结论 105
参考文献 106
第6章 智能地理模拟与优化 109
6.1 地理模拟工具：元胞自动机和多智能体 109
6.1.1 元胞自动机 109
6.1.2 多智能体系统 111
6.2 基于CA的智能元胞自动机与城市模拟 112
6.2.1 基于GA的CA模型参数获取及城市形态调控模拟 113
6.2.2 模型应用及结果分析 115
6.2.3 结论 122
6.3 基于ANN的智能元胞自动机与土地利用变化模拟 123
6.3.1 基于ANN和GIS的CA模型 124
6.3.2 应用及模拟结果 126
6.3.3 结论 130
6.4 基于ACO与元胞自动机的智能式地理模拟 131
6.4.1 基于蚁群智能算法的地理元胞自动机 131
6.4.2 基于蚁群智能的地理元胞自动机 134
6.4.3 模型应用及结果 136
6.4.4 模型验证与对比 139
6.4.5 结论 141
6.5 基于AIS的智能元胞自动机与规划情景模拟 143
6.5.1 AIS的基本原理 144
6.5.2 AIS自动获取CA的转换规则 144
6.5.3 基于AIS和元胞自动机的城市规划模型 147
6.5.4 模型应用及结果 149
6.5.5 珠江三角洲城市群的规划情景模拟 152
6.5.6 结论 156
6.6 基于分析学习的智能元胞自动机与城市演变模拟 157
6.6.1 逻辑回归模型 157
6.6.2 分析学习模型 158
6.6.3 应用及模拟结果 162
6.6.4 验证 165
6.6.5 结论 166
6.7 基于多智能体的地理空间分异现象模拟 166
6.7.1 基于多智能体的居住空间分异模型 168
6.7.2 实现与模拟结果 173
6.7.3 结论和讨论 175
6.8 基于多智能体的土地利用空间格局演变模拟 175
6.8.1 基于多智能体的城市土地利用变化模拟模型 176
6.8.2 模型及应用 180
6.8.3 模型的检验 186
6.8.4 结论 187
参考文献 187
第7章 空间优化与决策 193
7.1 智能式GIS与空间点状地物优化 194
7.1.1 基于城市扩张模拟的基础设施优化模型 194
7.1.2 基于GA的空间优化模型 201
7.1.3 基于GA的农田生物质能集约利用优化模型 211
7.1.4 基于ACA（蚁群智能算法）的大区域优化选址模型 219
7.1.5 基于PSO（粒子群算法）的区域选址优化模型 229
7.2 智能式GIS与空间线状地物优化 242
7.3 智能式GIS与空间面状地物优化 253
7.4 基于耦合的地理模拟优化系统 263
7.4.1 引言 263
7.4.2 地理模拟优化系统 264
7.4.3 结论 270
参考文献 271
彩图
前言
第1章 智能式GIS的提出 1
1.1 GIS概述 1
1.1.1 GIS的定义 1
1.1.2 GIS的组成 2
1.1.3 GIS的基本功能 4
1.1.4 GIS的发展 6
1.2 智能式GIS的提出 8
1.3 智能式GIS的定义 9
1.4 智能式GIS的发展前景 11
参考文献 12
第2章 计算机人工智能 14
2.1 人工智能的概述 14
2.1.1 人工智能的定义 14
2.1.2 人工智能的研究目标 16
2.1.3 人工智能的主要成就 17
2.1.4 人工智能对社会各领域的影响 18
2.2 人工智能的发展历史 19
2.2.1 人工智能诞生的历史背景 19
2.2.2 人工智能的诞生 21
2.2.3 人工智能的发展 21
2.3 人工智能的发展现状和展望 24
2.4 人工智能的基本原理和方法 25
2.5 人工智能主要应用领域 26
2.5.1 自动定理证明 27
2.5.2 模式识别 27
2.5.3 专家系统 28
2.5.4 机器学习 31
2.5.5 智能决策支持系统 33
参考文献 34
第3章 人工智能一般算法 37
3.1 人工神经网络 37
3.1.1 BP神经网络 38
3.1.2 Hopfield神经网络 40
3.2 遗传算法 42
3.2.1 概述 42
3.2.2 遗传算法的基本组成 43
3.3 免疫算法 50
3.3.1 自然免疫系统简介 50
3.3.2 免疫算法 50
3.4 群体智能算法 53
3.4.1 粒子群优化算法 53
3.4.2 蚁群算法 54
参考文献 56
第4章 GIS与人工智能的结合 59
4.1 GIS有关应用领域 59
4.1.1 城市与区域规划 59
4.1.2 资源管理与利用 60
4.1.3 环境监测与保护 61
4.1.4 商业规划与分析 61
4.2 GIS与人工智能结合的必要性和可行性 62
4.2.1 空间知识分析智能化 63
4.2.2 地理模拟智能化 66
4.2.3 空间优化与决策的智能化 69
4.3 人工智能在GIS中的研究热点 73
4.3.1 专家系统与GIS 73
4.3.2 进化计算与GIS 74
4.3.3 神经计算与GIS 75
参考文献 76
第5章 智能式GIS与空间知识发现 79
5.1 基于数据挖掘的元胞自动机与空间知识发现 79
5.1.1 数据挖掘及地理元胞自动机 80
5.1.2 实验区及空间数据 82
5.1.3 CA转换规则的自动挖掘 83
5.1.4 模拟结果及检验 86
5.1.5 结论 89
5.2 基于生物群集智能优化的遥感分类方法 89
5.2.1 粒子群算法的基本原理 90
5.2.2 基于粒子群的遥感分类方法 91
5.2.3 影像分类实验 94
5.2.4 结论 97
5.3 基于蚁群智能的遥感分类方法 97
5.3.1 蚁群算法的基本原理 98
5.3.2 基于蚁群智能的遥感分类模型 99
5.3.3 影像分类实验 103
5.3.4 结论 105
参考文献 106
第6章 智能地理模拟与优化 109
6.1 地理模拟工具：元胞自动机和多智能体 109
6.1.1 元胞自动机 109
6.1.2 多智能体系统 111
6.2 基于CA的智能元胞自动机与城市模拟 112
6.2.1 基于GA的CA模型参数获取及城市形态调控模拟 113
6.2.2 模型应用及结果分析 115
6.2.3 结论 122
6.3 基于ANN的智能元胞自动机与土地利用变化模拟 123
6.3.1 基于ANN和GIS的CA模型 124
6.3.2 应用及模拟结果 126
6.3.3 结论 130
6.4 基于ACO与元胞自动机的智能式地理模拟 131
6.4.1 基于蚁群智能算法的地理元胞自动机 131
6.4.2 基于蚁群智能的地理元胞自动机 134
6.4.3 模型应用及结果 136
6.4.4 模型验证与对比 139
6.4.5 结论 141
6.5 基于AIS的智能元胞自动机与规划情景模拟 143
6.5.1 AIS的基本原理 144
6.5.2 AIS自动获取CA的转换规则 144
6.5.3 基于AIS和元胞自动机的城市规划模型 147
6.5.4 模型应用及结果 149
6.5.5 珠江三角洲城市群的规划情景模拟 152
6.5.6 结论 156
6.6 基于分析学习的智能元胞自动机与城市演变模拟 157
6.6.1 逻辑回归模型 157
6.6.2 分析学习模型 158
6.6.3 应用及模拟结果 162
6.6.4 验证 165
6.6.5 结论 166
6.7 基于多智能体的地理空间分异现象模拟 166
6.7.1 基于多智能体的居住空间分异模型 168
6.7.2 实现与模拟结果 173
6.7.3 结论和讨论 175
6.8 基于多智能体的土地利用空间格局演变模拟 175
6.8.1 基于多智能体的城市土地利用变化模拟模型 176
6.8.2 模型及应用 180
6.8.3 模型的检验 186
6.8.4 结论 187
参考文献 187
第7章 空间优化与决策 193
7.1 智能式GIS与空间点状地物优化 194
7.1.1 基于城市扩张模拟的基础设施优化模型 194
7.1.2 基于GA的空间优化模型 201
7.1.3 基于GA的农田生物质能集约利用优化模型 211
7.1.4 基于ACA（蚁群智能算法）的大区域优化选址模型 219
7.1.5 基于PSO（粒子群算法）的区域选址优化模型 229
7.2 智能式GIS与空间线状地物优化 242
7.3 智能式GIS与空间面状地物优化 253
7.4 基于耦合的地理模拟优化系统 263
7.4.1 引言 263
7.4.2 地理模拟优化系统 264
7.4.3 结论 270
参考文献 271
彩图
评论
还没有评论。