دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات محاسباتی ویرایش: 1 نویسندگان: X. Prieto-Blanco, C. Montero-Orille (auth.), Manuel Graña, Richard J. Duro (eds.) سری: Studies in Computational Intelligence 133 ISBN (شابک) : 9783540793526, 3540793526 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2008 تعداد صفحات: 296 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 59 مگابایت
کلمات کلیدی مربوط به کتاب هوش محاسباتی برای سنجش از دور: کاربردی ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Computational Intelligence for Remote Sensing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش محاسباتی برای سنجش از دور نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب ترکیبی از دیدگاههای مختلف در مورد کاربرد تکنیکها و روشهای هوش محاسباتی در دادهها و کاربردهای سنجش از دور است. این اتفاق نظر کلی است که طبقه بندی، پردازش داده های مرتبط با آن و روش های بهینه سازی جهانی موضوعات اصلی هوش محاسباتی هستند. بخش اعظم محتوای کتاب به تقسیمبندی و تشخیص تصویر، با استفاده از ابزارهای متنوع از حوزههای مختلف هوش محاسباتی، از شبکههای عصبی مصنوعی تا مدلسازی میدان تصادفی مارکوف، اختصاص دارد. این کتاب طیف گستردهای از موضوعات را پوشش میدهد، از طراحی سختافزاری حسگرهای فراطیفی، و مشکلات مدیریت دادهها، یعنی مسائل مربوط به فشردهسازی دادهها و علامت گذاری، و همچنین خدمات وب مستقل. مطالب اصلی کتاب به تجزیه و تحلیل تصویر و اجرای کارآمد (موازی) این تکنیک های تحلیل اختصاص دارد. طبقات تصاویری که در سراسر کتاب به آنها پرداخته میشود، بیشتر تصاویر چندطیفی-فوقطیفی هستند، هرچند نمونههایی از پردازش تصاویر رادار دیافراگم مصنوعی وجود دارد.
This book is a composition of different points of view regarding the application of Computational Intelligence techniques and methods to Remote Sensing data and applications. It is the general consensus that classification, its related data processing, and global optimization methods are core topics of Computational Intelligence. Much of the content of the book is devoted to image segmentation and recognition, using diverse tools from different areas of the Computational Intelligence field, ranging from Artificial Neural Networks to Markov Random Field modeling. The book covers a broad range of topics, starting from the hardware design of hyperspectral sensors, and data handling problems, namely data compression and watermarking issues, as well as autonomous web services. The main contents of the book are devoted to image analysis and efficient (parallel) implementations of these analysis techniques. The classes of images dealt with throughout the book are mostly multispectral-hyperspectral images, though there are some instances of processing Synthetic Aperture Radar images.
Front Matter....Pages -
Optical Configurations for Imaging Spectrometers....Pages 1-25
Remote Sensing Data Compression....Pages 27-61
A Multiobjective Evolutionary Algorithm for Hyperspectral Image Watermarking....Pages 63-78
Architecture and Services for Computational Intelligence in Remote Sensing....Pages 79-123
On Content-Based Image Retrieval Systems for Hyperspectral Remote Sensing Images....Pages 125-144
An Analytical Approach to the Optimal Deployment of Wireless Sensor Networks....Pages 145-161
Parallel Spatial-Spectral Processing of Hyperspectral Images....Pages 163-192
Parallel Classification of Hyperspectral Images Using Neural Networks....Pages 193-216
Positioning Weather Systems from Remote Sensing Data Using Genetic Algorithms....Pages 217-243
A Computation Reduced Technique to Primitive Feature Extraction for Image Information Mining Via the Use of Wavelets....Pages 245-266
Neural Networks for Land Cover Applications....Pages 267-293
Information Extraction for Forest Fires Management....Pages 295-312
Automatic Preprocessing and Classification System for High Resolution Ultra and Hyperspectral Images....Pages 313-340
Using Gaussian Synapse ANNs for Hyperspectral Image Segmentation and Endmember Extraction....Pages 341-362
Unsupervised Change Detection from Multichannel SAR Data by Markov Random Fields....Pages 363-388
Back Matter....Pages -