假设变量条件白杉木坡向高程坡度多光谱遥感数据.PPTVIP

陆地影像 ETM RGB = 5,4,2 ETM RGB = 4,3,2 ETM+全色波段 白杉木专家分类 Jensen, 2007 ETM+全色波段 得到的分类图 专家模板 分级决策树 Jensen, 2007 基于机器学习的规则和条件 专家系统的核心是其知识库。以计算机可用格式来创建知识库通常涉及如前所述的人类某领域专家和知识工程师方面的内容。人类专家将他（她）的专业知识用一种可理解的语言清楚地表达给知识工程师，然后，知识工程师将专家的专业知识编译成计算机能有的格式，并存储在知识库中。 Jensen, 2007 基于机器学习的规则和条件 这一过程展现了创建专家系统过程中一个广为人知的问题，通常也称为知识获取瓶颈。原因有： 创建过程中需要某一领域的专家和/或知识工程师的长期工作。 尽管专家能够用他们的知识进行决策，但他们常常不能将他们的知识以计算机可用的格式系统地、正确地和全面地表达出来。 Jensen, 2007 基于机器学习的规则和条件 为了解决这些问题，人工智能界为自动创建专家知识库已经做了大量的努力。 机器学习 定义为： “计算机模拟学习过程的科学”. 通过采用一定的推理策略如归纳、演绎，可以使计算机从已有的数据或理论中获取知识。我们将集中讨论归纳学习方法及其在创建影响分析专家系统知识库中的应用。 Jensen, 2007 基于机器学习的规则和条件 人类具备准确归纳推理能力，可以用归纳推理方法对教师或外界环境提供的一些零散事实进行归纳总结，这就是归纳学习。在机器学习中，归纳学习过程可认为是通过一个符号表示空间，对那些解释输入训练数据并对预测新数据很有用的模糊的概括性描述或概念实现的启发式搜索。归纳学习可用下面的符号化公式表示。 Jensen, 2007 ETM+全色波段 C5.0 Model 得到的分类图 基于机器学习的规则和条件分级决策树 Jensen, 2007 基于机器学习的规则和条件 Jensen, 2007 基于机器学习的规则和条件 剩下的内容将在地理学751遥感专家研讨会被涉及: - 机器学习 - 神经网络 Jensen, 2007 第十章 人工智能信息提取 山东科技大学 人工智能 “研究如何让计算机做一些目前 人类做的较好的事情”. 我们怎么知道一个人工智能系统什么时候建立呢？理想情况下，我们可以借助图灵测试来判断，即对一个人和一台计算机提出问题，如果无法分清回答是人做出的，还是计算机做出的，就可以认为这台计算机已经具有智能了。人工智能程序的测试是：让询问员与之进行5分钟不见面的交谈，然后询问员判断与他交谈的对象是人工智能程序还是真人。如果人工智能程序在30%的交谈时间里欺骗过询问员，程序便通过了图灵测试。遗憾的是，大多数人工智能系统都很难通过图灵测试。为此，“AI届一致对图灵测试不怎么重视”，而是继续开发能够进行简单工作的人工智能系统。 Jensen, 2007 人工智能 人工智能研究开始于1955年，当时RAND公司的 Allen Newell 和 Herbert Simon 证明了计算机可以用来做更多的计算以外的事情 “他们论证了计算机是 物理符号系统， 其系统符号可以用来表示一切，包括真实世界的各种特征；系统程序可用做关联这些特征的规则。以这种方式，计算机可用来对智能的某些重要方面进行仿真， 这便诞生了人脑信息处理模型”. Jensen, 2007 遗憾的是，20世纪60年代人工智能的作用被过分的夸大了，犹如20世纪70年代遥感被过分吹嘘一样。解决人工智能问题一般要比最初期望的困难的多。科学家不能使计算机解决人类专家通常能解决的一些问题。因此科学家们开始转向研究开发应用于“微观世界”或者是非常狭窄的领域内的人工智能应用系统，并产生了第一批有用的人工智能具体应用系统，例如游戏、疾病诊断（MYCN）、图谱分析（DENDRAL）。NASA的 REMOTE AGENT 程序是第一个在轨自主规划程序，用来控制距地球100 000 000英里的太空船运行日程。 Jensen, 2007 人工智能 专家系统 基于知识的专家系统可以定义为： “能够运用人类知识解决一些通常需要人类智慧才能解决的问题的系统”. 它是“在一个较窄的问题领域内成功高效地解决问题”并且“以专家的水平实施”的能力。专家系统用计算机内的规则和数据表示专家领域（即，主题）的知识库。需要解决问题时，系统能调用这些规则和数据。知识库领域的不同问题可用同一程序解决而不需要重新编写程序。 基于知识的专家系统在遥感研究中应用很广泛。 Jensen, 2007 以知识库的形式将专家大脑中的专业（专题）知识提取出