第1章 绪论 1
1.1 智能空间信息处理ISIP 1
1.2 空间信息处理SIP 2
1.3 智能信息处理IIP 5
1.3.1 概述 5
1.3.2 IIP的认知过程分析 6
1.3.3 IIP的物理符号系统假设 7
1.4 人工智能的研究进展与研究领域 7
1.4.1 人工智能的起源与发展 7
1.4.2 人工智能研究的主要方法 9
1.4.3 人工智能的研究与应用领域 9
1.5 ISIP的主要内容 15
1.5.1 RS信息智能化处理 15
1.5.2 GIS信息智能化处理 17
1.5.3 GPS信息智能化处理 19
思考题 20
参考文献 20
第2章 地理空间认知 23
2.1 认知科学 23
2.2 认知心理学 24
2.3 认知物理学 26
2.4 地理空间认知的概念 27
2.5 地理空间认知的研究内容 28
2.6 地理空间认知的特性分析 33
2.6.1 地理空间认知的时空特性 33
2.6.2 地理空间认知的尺度特性 34
2.6.3 地理空间认知的不确定性 36
2.6.4 地理空间认知的可视特性 36
2.7 地理空间认知的实例分析 37
2.7.1 UCSB的个人导航系统 37
2.7.2 时空聚类的认知分析 39
思考题 45
参考文献 45
第3章 空间知识的表示方法 48
3.1 空间知识概述 48
3.2 状态空间法与空间知识表示 50
3.2.1 状态空间法 50
3.2.2 基于状态空间的网络分析 51
3.3 问题归约法与空间知识表示 54
3.3.1 问题归约法 54
3.3.2 基于问题归约的空间知识表示 55
3.4 基于谓词逻辑的空间知识表达 57
3.4.1 命题逻辑 57
3.4.2 谓词逻辑 57
3.4.3 基于谓词逻辑的空间知识表示 59
3.5 基于规则的空间知识表达 60
3.5.1 规则与知识 60
3.5.2 产生式规则 60
3.5.3 基于规则的空间知识表示 61
3.6 基于语义网络的空间知识表示 62
3.6.1 语义网络 62
3.6.2 空间知识的语义网络表示 65
3.7 面向对象的空间知识表示 68
3.8 空间知识库 69
思考题 72
参考文献 72
第4章 空间推理方法 75
4.1 空间推理的概念与特点 75
4.1.1 空间推理的概念 75
4.1.2 空间推理的特点 76
4.2 空间推理的研究内容 76
4.3 不确定性推理 77
4.4 概率推理 78
4.5 贝叶斯推理与空间推理 79
4.5.1 主观贝叶斯推理方法 79
4.5.2 贝叶斯网络推理 81
4.5.3 基于贝叶斯原理的空间推理 81
4.6 可信度推理与空间推理 82
4.6.1 基于可信度的不确定性表示 82
4.6.2 可信度推理方法 83
4.7 证据推理与空间推理 84
4.7.1 证据理论的描述 84
4.7.2 基于证据推理的空间推理方法 85
4.8 模糊推理与空间推理 88
4.8.1 模糊推理方法 88
4.8.2 基于模糊推理的空间推理方法 90
4.9 案例推理与空间推理 93
4.9.1 案例推理方法 94
4.9.2 基于案例推理的空间推理方法 95
4.10 空间关系推理 97
4.10.1 空间拓扑关系推理 97
4.10.2 空间方向关系推理 100
4.11 时空推理 102
思考题 103
参考文献 103
第5章 神经计算与空间信息处理 106
5.1 计算智能与软计算 106
5.2 人工神经网络基础理论 107
5.2.1 人工神经网络的基本原理 107
5.2.2 人工神经网络的典型模型 110
5.3 反向传播BP网络 111
5.3.1 BP网络的基本原理 111
5.3.2 BP网络的基本算法 111
5.3.3 BP网络在SIP中的应用 113
5.4 Hopfield神经网络 114
5.4.1 Hopfield网络的基本原理 114
5.4.2 Hopfield网络的基本算法 114
5.4.3 Hopfield网络在SIP中的应用 116
5.5 自组织映射（SOM）网络 117
5.5.1 SOM网络的基本原理 117
5.5.2 SOM网络的基本算法 117
5.5.3 SOM网络在SIP中的应用 118
5.6 径向基函数（RBF）神经网络 120
5.6.1 RBF网络的基本原理 120
5.6.2 RBF网络的基本算法 121
5.6.3 RBF网络在SIP中的应用 122
5.7 Matlab的人工神经网络工具箱 122
思考题 128
参考文献 128
第6章 模糊计算与空间信息处理 131
6.1 模糊集计算方法 131
6.1.1 模糊集合 131
6.1.2 模糊关系 133
6.1.3 模糊综合评判 134
6.2 基于模糊集的空间信息处理 135
6.2.1 模糊空间关系 135
6.2.2 模糊图像分割 137
6.3 粗糙集计算方法 139
6.4 基于粗糙集的空间信息处理 140
6.4.1 粗糙空间关系 140
6.4.2 粗糙图像分割 141
6.5 云模型计算方法 144
6.6 基于云模型的空间信息处理 149
6.6.1 云模型空间数据分析 149
6.6.2 云图像分割 152
6.7 Matlab模糊集工具箱 156
6.7.1 图形用户界面（graphic user interface,GUI） 156
6.7.2 隶属度函数（membership function） 157
6.7.3 模糊推理系统的数据结构管理函数 159
6.7.4 模糊逻辑工具箱中的推理 160
思考题 162
参考文献 163
第7章 进化计算与空间信息处理 165
7.1 进化计算概述 165
7.2 遗传算法及空间信息处理 168
7.2.1 遗传算法的基本框架与设计 168
7.2.2 基于Matlab的遗传算法设计 172
7.2.3 基于遗传算法的空间信息处理 176
7.3 粒群优化算法及空间信息处理 178
7.3.1 粒群优化算法 178
7.3.2 基于粒群优化的空间信息处理 182
7.4 蚁群算法及空间信息处理 184
7.4.1 蚁群算法 184
7.4.2 基于蚁群算法的空间信息处理 185
7.5 免疫计算及空间信息处理 189
7.5.1 免疫计算方法 189
7.5.2 基于免疫计算的空间信息处理 191
思考题 194
参考文献 194
第8章 机器学习与空间信息处理 197
8.1 机器学习概述 197
8.1.1 机器学习的定义 197
8.1.2 机器学习的发展历程 198
8.1.3 机器学习的基本结构 198
8.2 机械学习与空间信息处理 200
8.2.1 机械学习基本方法 200
8.2.2 基于机械学习的空间信息处理 201
8.3 归纳学习与空间信息处理 201
8.3.1 归纳学习基本方法 201
8.3.2 基于归纳学习的空间信息处理 205
8.4 决策树学习与空间信息处理 210
8.4.1 决策树学习基本方法 210
8.4.2 基于决策树学习的空间分析方法 214
8.4.3 基于决策树学习的遥感图像分类方法 216
8.5 类比学习与空间信息处理 219
8.5.1 类比学习基本方法 219
8.5.2 基于类比学习的空间信息处理 223
8.6 解释学习与空间信息处理 224
8.6.1 解释学习基本方法 224
8.6.2 基于解释学习的空间信息处理 226
8.7 其他机器学习方法 227
思考题 227
参考文献 228
第9章 空间数据挖掘 230
9.1 空间数据挖掘的由来与发展 230
9.2 空间数据挖掘的内容和方法 232
9.3 空间关联规则挖掘 233
9.4 空间聚类挖掘 237
9.5 空间分类挖掘 242
9.6 空间离群点挖掘 248
9.7 空间数据挖掘软件系统 251
思考题 260
参考文献 260
第10章 智能体与空间信息处理 264
10.1 智能体与分布式人工智能 264
10.1.1 分布式人工智能 264
10.1.2 智能体 265
10.1.3 智能体的要素 266
10.1.4 智能体的特性 266
10.1.5 智能体的结构类型 267
10.2 多智能体系统 268
10.2.1 基本概念 268
10.2.2 多智能体的基本模型 269
10.2.3 多智能体的体系结构 270
10.2.4 多智能体系统的学习 270
10.2.5 多智能体的研究和应用领域 271
10.3 基于智能体的空间信息处理 272
10.3.1 基于智能体的分布式GIS系统 272
10.3.2 基于智能体的空间数据挖掘 276
10.3.3 基于智能体的遥感图像处理 278
思考题 279
参考文献 279