雷达资讯 | 让研习AI变得简单：人工智能36本经典教材、专著、综述推荐

本文详细介绍西安电子科技大学焦李成教授等多位专家主编、编著的36本人工智能领域教材、专著和综述。

PART

人工智能12本经典教材推荐

《简明人工智能》

《现代机器学习》

《模式识别》

《现代神经网络教程》

《量子计算智能》

《人工智能导论》

《计算智能导论》

《人工智能实验简明教程》

《深度神经网络FPGA设计与实现》

《压缩感知理论的工程应用方法》

《人脸图像合成与识别》

《数字信号处理》

PART

人工智能12本经典专著推荐

《人工智能、类脑计算与图像解译前沿》

《深度学习、优化与识别》

《Brain and Nature-Inspired Learning, Computation and Recognition》

《稀疏学习、分类与识别》

《大数据智能挖掘与影像解译》

《遥感影像深度学习智能解译与识别》

《高分辨遥感影像学习与感知》

《雷达图像解译技术》

《智能SAR影像变化检测》

《认知计算与多目标优化》

《免疫优化计算、学习与识别》

《Coevolutionary Computation and Multiagent Systems》

PART

人工智能12篇经典综述推荐

神经网络七十年：回顾与展望（计算机学报）

稀疏认知学习, 计算与识别的研究进展（计算机学报）

深度神经网络FPGA 设计进展、实现与展望（计算机学报）

New Generation Deep Learning for Video Object Detection: A Survey （IEEE Transactions on Neural Networks and Learning Systems）

Deep learning in visual tracking: A review （IEEE Transactions on Neural Networks and Learning Systems）

Multi-scale representation learning for image classification: A survey （IEEE Transactions on Artificial Intelligence）

The New Generation Brain-inspired Sparse Learning: A Comprehensive Survey （IEEE Transactions on Artificial Intelligence）

Graph representation learning meets computer vision: A survey （IEEE Transactions on Artificial Intelligence）

Deep Learning-Based Object Tracking in Satellite Videos: A comprehensive survey with a new dataset （IEEE Geoscience and Remote Sensing Magazine）

Brain-inspired Remote Sensing Interpretation: A Comprehensive Survey （IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing）

Quantum optimization and quantum learning: A survey （IEEE Access）

A Survey of Deep Learning-Based Object Detection （IEEE Access）

详细介绍

PART

人工智能12本经典教材推荐

01.《简明人工智能》

作者：焦李成、刘若辰、慕彩红、刘芳

西安电子科技大学出版社 (2019)

内容简介：

本书以简明的方式系统地论述了人工智能的基础知识及其拓展和应用。全书共十六章，前十章介绍人工智能学科的基础知识，包括人工智能的发展历史、知识的表示、搜索策略、确定性推理、不确定推理、专家系统、神经网络、智能计算、机器学习和模式识别；接下来五章进行了拓展，讲述了表示学习和混合智能系统，又介绍了神经网络在模式识别和图像处理的应用、自然计算在聚类上的应用，并介绍了多目标优化算法及应用；最后一章介绍了人工智能领域的前沿技术及其展望。每章都附有参考文献、延伸阅读和习题，并且有习题答案供参考。

本书可作为高等院校智能科学与技术、计算机科学、电子科学与技术、信息科学、控制科学与工程、模式识别与人工智能等专业的本科生及研究生的教材，同时可为相关领域的研究人员提供参考，也可为对计算智能和神经网络及其应用感兴趣的工程技术人员提供参考。

图书链接：

当当自营：http://product.dangdang.com/27921306.html

京东自营：https://item.jd.com/12686984.html

02.《现代机器学习》

作者：焦李成、王佳宁、毛莎莎、李玲玲、陈璞花、古晶、刘芳

西安电子科技大学出版社 (2022)

内容简介：

机器学习为信息类学科的重要分支。本书作为机器学习入门、进阶与本硕博一体式培养教材，系统论述了机器学习研究的基本内容、概念、算法、应用以及发展。本书共18章，分为机器学习基础、经典机器学习方法与现代机器学习方法三大部分。机器学习基础部分为第1、2章，内容为机器学习概述和数学基础知识；经典机器学习方法部分为第3～10章，内容分别为线性回归与分类模型、特征提取与选择、决策树与集成学习、支持向量机、贝叶斯决策理论、神经网络、聚类方法和半监督学习等；现代机器学习方法部分为第11～18章，内容涵盖了近年来新兴的与不断发展的前沿算法，如深度学习、深度强化学习、生成对抗网络、胶囊网络、图卷积神经网络、自监督学习、迁移学习以及自动机器学习等。

本书可作为高等院校通信、电子信息、计算机、信息科学、自动化技术等相关专业本科生与研究生的教材与参考用书，也可作为人工智能、计算机科学、模式识别、控制科学、信息与通信工程、集成电路系统设计等领域研究人员的参考用书。

内容简介：

本书结合传统模式识别与新发展，传统内容与学科前沿相互补充，总共分为经典模式识别、现代模式识别以及深度学习模式识别三个部分共十五章。第一部分包括七个章节，主要介绍了经典模式识别方法，第二部分共三章，主要介绍了现代模式识别方法。第三部分共五章节，主要介绍了深度学习模式识别。第一部分的前几章着重讨论监督学习即已知训练样本及其类别条件下分类器的设计方法；之后介绍无监督模式识别，以及讲解模式识别系统中特征提取和选择的准则和算法。第二部分介绍现代模式识别，其中包含支撑矢量机、组合分类器以及半监督学习。第三部分讨论了前沿模式识别，从深度神经网络出发到强化学习、宽度学习、图卷积网络等。在最后，以实例的形式给出了模式识别在各个领域中的应用，以加深读者对模式识别方法更直观的认识。

本书是西安电子科技大学人工智能学院模式识别研究中心多年来教学与研究经验的总结和凝练，可作为模式识别、计算机科学与工程、控制科学与工程、智能科学与技术等相关专业研究生或高年级本科生的参考用书，亦可供相关领域的研究人员参考。

第一部分经典模式识别

第1章模式识别概述

第2章贝叶斯决策

第3章线性和非线性判别分析

第4章无监督模式识别

第5章特征选择

第6章特征提取

第7章经典人工神经网络

第二部分现代模式识别

第8章支撑矢量机

第9章组合分类器

第10章半监督学习

第三部分深度学习模式识别

第11章深度神经网络

第12章强化学习

第13章宽度学习

第14章图卷积神经网络

第15章语音、文本、图像与视频模式识别

图书链接：

当当自营：http://product.dangdang.com/11234769123.html

京东自营：https://item.jd.com/12686986.html

04.《现代神经网络教程》

作者：杨淑媛、焦李成、刘梦琨、赵进、刘芳、梁雪峰

西安电子科技大学出版社 (2020)

内容简介：

神经网络在七十余年的发展历程中，虽几经沉浮，但仍已发展成为国际学术、产业及国家发展的焦点和热点，已成为未来创新社会发展的动力。本书从认知神经科学出发阐述了神经计算的范畴、历史与发展、基本原理等内容。全书共17章，分为两个部分: 第一部分（第1～10章）从神经网络计算的生物学基础出发，论述了前馈神经网络、反馈神经网络、竞争学习神经网络以及新兴的进化神经网络、正则神经网络、支撑矢量机网络、模糊神经网络、多尺度神经网络等模型与学习算法；　第二部分（第11～17章）论述了新近发展的深度网络模型与学习算法，包括自编码网络、卷积神经网络、生成式对抗网络、循环神经网络、图神经网络等及其在文本、图像模式识别、图像感知等领域的应用，其中在第16章的深度学习进阶中，论述了稀疏编码分类及应用、相关网络学习与训练的实例，以供有兴趣的读者进一步探索实践。

本书可作为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能、大数据、图像感知等相关专业本科生或研究生的教材, 同时也可为相关领域的科研人员提供参考。

图书链接：

当当自营：http://product.dangdang.com/29125272.html

京东自营：https://item.jd.com/12967532.html

05.《量子计算智能》

作者：李阳阳，焦李成，张丹，李玲玲，刘天宇

西安电子科技大学出版社 (2019)

内容简介：

人工智能进入了一个快速发展的时期，未来人类社会将需要更强大的算力和更高效的计算方法，摩尔定律正在失效，但量子力学态叠加原理给予了我们关于未来计算的启示和希望，“世界经济和各个国家最终的命运可能取决于奇异的和违反直觉的量子理论的原则”（加来道雄《物理学的未来》），目前，量子计算和人工智能是最令学界和业界振奋的未来科技，它们的结合势必带来领域的重大进步，甚至是超越想象的社会革新。

本书在总结自然计算领域主要理论研究和实际应用成果的基础上，着重对近年来量子计算智能领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从计算和优化两个方面展开，分为八大部分，主要内容包含如下方面：进化计算，群智能，量子进化计算，量子粒子群优化，基于量子智能优化的数据聚类和数据分类，网络学习算法和相关应用。

本书可为人工智能、计算机科学、信息科学、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生教材，其中前四部分为基础理论适合本科生使用，后四部分为高阶算法适合研究生使用。

图书链接：

当当链接：http://product.dangdang.com/27921304.html

06.《人工智能导论》

作者：刘若辰、慕彩红、焦李成、刘芳，陈璞花

清华大学出版社 (2021)

内容简介：

本书是一本人工智能通识教材，系统地论述了经典人工智能的基础理论及人工智能主要研究领域的基础知识与应用。全书共十一章，前五章介绍经典人工智能的基础理论，包括人工智能的发展历史、状态空间表示及其搜索技术、问题归约表示及其搜索技术、确定性推理以及不确定推理；接下来的五章介绍人工智能主要研究领域的基础知识与应用，包括遗传算法、群智能、人工神经网络、机器学习基础、模式识别；最后一章介绍了最具代表性的几个人工智能技术，并分析了未来人工智能的发展趋势及其面临的挑战。每章都附有本章内容框图、习题和参考文献。

本书不仅可作为高等院校智能科学与技术、计算机科学、电子科学与技术、信息科学、控制科学与工程、模式识别与人工智能等专业的低年级本科生或专科生的教材，同时也可作为人文社科类各专业本科生的通识课程教材，还可以为那些对人工智能技术及其应用感兴趣的工程技术人员提供参考。

第1章概述

第2章状态空间知识表示及其搜索技术

第3章问题归约知识表示及其搜索技术

第4章确定性推理

第5章不确定推理

第6章人工神经网络

第7章遗传算法

第8章群智能

第9章机器学习基础

第10章模式识别

第11章未来人工智能

图书链接：

当当自营：http://product.dangdang.com/29298966.html

京东自营：https://item.jd.com/12938181.html

07.《计算智能导论》

作者：尚荣华、焦李成、刘芳、张小华、李玲玲

西安电子科技大学出版社 (2019)

内容简介：

本书对计算智能的诸多基础理论进行了详细的介绍和释义，并介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果，将理论与实践紧密联系起来。全书共4章，其中，第1章对人工智能的萌芽、诞生和发展，以及现状和未来进行了简要介绍；第2章为进化计算，论述了遗传算法、蚁群算法、粒子群算法，以及免疫克隆算法；第3章为模糊逻辑，介绍了模糊理论基础，论述了常见的模糊隶属度函数以及模糊集合常用的算子，并对模糊关系及运算、模糊推理进行了详细介绍；第4章为人工神经网络，论述了人工神经网络的特点、生物学基础及其发展与应用。本书可为计算机科学、信息科学、人工智能、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生教材。

本书获西安电子科技大学“第十七届优秀教材一等奖”。

图书链接：

当当链接：http://product.dangdang.com/27921305.html；

京东链接：https://item.jd.com/12565321.html。

08.《人工智能实验简明教程》

作者：焦李成、孙其功、田小林、侯彪、李阳阳

清华大学出版社 (2020)

内容简介：

随着人工智能的飞速发展及广泛应用，人工智能专业教育正在逐步完善，作为国内人工智能领域的创新性实验教材，本书将人工智能的理论、实践和创新型进行结合，实现了先进性与新颖性并举，内容涵盖了图像、语音、文本和视频等人工智能技术广泛应用的多个领域，涉及识别、分类、检测、预测、跟踪和三维重建等多类实验任务。内容与理论教学相呼应，注重趣味性，极具实操性。本书实验体系完备，对每个实验均从原理、实际操作到所应用平台环境进行详细介绍。读者可在了解理论的基础上根据实验部分的描述独立完成相关实验，从理论到实践来体会人工智能之美、人工智能之趣、人工智能之于社会生产生活的深刻影响。读者可通过对本书内容的学习，对实验进行整体了解并可以独立完成实验，提高自身创新能力。

本书的实验内容安排采用了更为灵活的方式，无先后之分，每一章为一个独立实验，涵盖从研究背景、理论原理到结果分析的完整表述，使用范围和场景更广泛，可以作为人工智能、智能科学与技术、人工智能与信息处理、机器人工程、模式识别与智能系统、人工智能技术服务、大数据采集与管理等专业的专科、本科及研究生选用及参考的实验教材,也可以作为补充学习的工具书籍；适宜全面、顺序地阅读或教学，也可根据实际所需进行选择性使用；读者可以是有一定专业知识储备的科研人员或从业者，也可以是人工智能的兴趣爱好者及初识人工智能的学生。

图书链接：

当当自营：http://product.dangdang.com/29216116.html

京东自营：https://item.jd.com/13162140.html

09.《深度神经网络FPGA设计与实现》

作者：孙其功、邬刚、田小林、陈永、侯彪、杨淑媛

西安电子科技大学出版社 (2020)

内容简介：

本书从深度神经网络和AI芯片研究现状出发，系统地论述了目前深度学习主流开发平台和深度神经网络基于FPGA平台实现加速的开发原理和应用实例。本书主要包括5部分：第1～2章介绍了深度神经网络的发展，并总结了深度学习主流开发平台和AI芯片的研究现状；第3～6章在对深度神经网络基础层算子、FPGA进行了介绍后，总结了FPGA神经网络开发基础及RTL级开发；第7章分析了基于FPGA实现神经网络加速的实例；第8章介绍了基于OpenCL的FPGA神经网络计算加速开发；第9章分析了前沿神经网络压缩与加速技术。

本书可以为人工智能、计算机科学、信息科学、神经网络加速计算研究者或者从事深度学习、图像处理的相关研究人员提供参考，也可作为相关专业本科生及研究生的教学参考书。

图书链接：

当当自营：http://product.dangdang.com/29159617.html

京东自营：https://item.jd.com/13030834.html

10.《压缩感知理论的工程应用方法》

作者：石光明、林杰、高大化、董伟生等

西安电子科技大学出版社 (2017)

内容简介：

在传输带宽有限和数据量激增的数字化时代，压缩感知理论为低速有效获取信息提供了一种新的思路，成为近十年来信号信息处理领域中一个备受瞩目的理论。本书的编写注重理论和工程应用的结合，针对压缩感知理论在工程应用上的几个热点和难点问题，给出了理论建模和求解方法，既有完整的物理模型，又有完备的数学推导，同时通过图文并茂的方式，给出了大量的仿真示例和详尽的结果分析。

第1章概论

第2章压缩感知理论简介

第3章信号稀疏表示与分解方法

第4章图像稀疏重建

第5章基于压缩感知的一维回波信号获取与检测

第6章基于压缩感知的计算成像

第7章基于稀疏理论的高分辨率雷达成像

第8章基于稀疏表示重构的多视目标识别

第9章基于稀疏性提升的光流估计

图书链接：

当当自营：http://product.dangdang.com/11193459711.html

京东自营：https://item.jd.com/12209653.html

11.《人脸图像合成与识别》

作者：高新波王楠楠

高等教育出版社 (2022)

内容简介：

人脸图像合成与识别是计算机视觉和人工智能领域的重点前沿方向。本书从机器学习和深度神经网络的理论和技术基础出发，系统深入地阐述了人脸图像合成与识别领域近年的研究热点与前沿进展，全面准确地对相关理论基础和代表性方法进行了介绍和讲解，主要包括人脸检测、人脸对齐、活体检测、人脸识别、人脸超分辨重建、人脸多视角合成、表情合成与识别、计算机人脸动画、异质人脸合成等多个人脸图像任务专题，并辅以相应的实验测评与程序代码解读。

第1章绪论

第2章机器学习基础

第3章人脸检测

第4章人脸对齐

第5章人脸活体检测

第6章人脸图像识别

第7章异质人脸图像识别

第8章人脸超分辨率重建

第9章多视角人脸合成

第10章人脸表情合成与识别

第11章计算机人脸动画

第12章异质人脸图像合成

第13章人脸图像合成与识别展望

图书链接：

当当自营：http://product.dangdang.com/11188760829.html

京东自营：https://item.jd.com/10049499036276.html

12.《数字信号处理》

作者：高新波、阔永红、田春娜

高等教育出版社 (2014)

内容简介：

该书全面、系统地介绍了数字信号处理的基本理论、概念和方法。第0章为绪论，简要介绍了数字信号处理理论与应用的发展与现状；第1章为离散时间信号描述与分析，给出了离散时间信号的序列描述、时域分析以及傅里叶变换；第2章为模拟信号数字化，分析了采样和量化的理论和效应；第3章重点介绍了离散傅里叶变换及其性质，以及快速傅里叶变换的实现方法等；第4章介绍了线性时不变离散时间系统的定义、性质及求解方法等；第5章介绍有限冲激响应滤波器设计方法以及误差分析方法等；第6章主要介绍无限冲激响应滤波器设计方法及其误差分析方法；第7章介绍了数字信号处理的几个典型应用，通过应用加深对数字信号处理理论的理解。以上各部分内容中都提供了MATLAB代码，可供学生理论与实践相结合，深化理论学习成果。

该书有丰富的例题和习题。书末附有部分习题的参考答案。《数字信号处理/教育部高等学校电子电气基础课程教学指导分委员会推荐教材》可作为高等学校电子信息工程、通信工程、自动化、电子科学与技术、测控技术与仪器、生物医学工程、计算机科学与技术等工科专业以及理科电子信息科学与技术专业的教材，也可作为从事这些专业的工程技术人员和科学研究人员的参考书。《数字信号处理/教育部高等学校电子电气基础课程教学指导分委员会推荐教材》由西安电子科技大学高新波教授、阔永红教授（第4～5章）和田春娜教授共同编写。

图书链接：

当当自营：http://product.dangdang.com/23986352.html

京东自营：https://item.jd.com/11540749.html

PART

人工智能12本经典专著推荐

01.《人工智能、类脑计算与图像解译前沿》

作者：焦李成、侯彪、唐旭、刘芳、杨淑媛、陈莉、马文萍等

西安电子科技大学出版社 (2020)

内容简介：

本书对人工智能、类脑计算与图像解译前沿三个前沿领域进行了详细的论述。主要内容包括：进化计算、人工免疫系统、量子计算智能、多智能体系统、进化多目标优化、核机器学习、流形学习与谱图学习、集成学习、非线性逼近理论、多尺度几何分析、多尺度变换域图像感知与识别、图像的高维奇异性检测、图像去噪的阈值方法、SAR图像理解与解译。本书着重对上述领域的国内外发展现状进行总结，阐述作者对相关领域未来发展的思考。

本书可以为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图像处理研究的相关专业的技术人员提供参考。

图书链接：

当当自营：http://product.dangdang.com/28529150.html

京东自营：https://item.jd.com/12838820.html

02.《深度学习、优化与识别》

作者：焦李成、赵进、杨淑媛、刘芳

清华大学出版社 (2017)

内容简介：

深度神经网络是近年来受到广泛关注的研究方向，它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共16章，分为两个部分；第一部分（第1章～10章）系统论述了理论及算法，包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等；第二部分（第11～15章）论述了常用的深度学习平台，以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用；第16章为总结与展望，给出了深度学习发展的历史图、前沿方向及进展。每章都附有相关阅读材料及仿真代码，以便有兴趣的读者进一步钻研探索。

本书可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考，以及作为相关专业本科生及研究生教学参考书，同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考。

内容简介：

Brain and Nature-Inspired Learning, Computation, and Recognition presents a systematic analysis of neural networks, natural computing, machine learning and compression, algorithms, and applications inspired by the brain and biological mechanisms found in nature. Sections cover new developments and main applications, algorithms, and simulations. Developments in brain and nature-inspired learning have promoted interest in image processing, clustering problems, change detection, control theory, and other disciplines. The book discusses the main problems and applications pertaining to bio-inspired computation and recognition, introducing algorithm implementation, model simulation, and practical application of parameter setting. Readers will find solutions to problems in computation and recognition, particularly neural networks, natural computing, machine learning, and compressed sensing. This volume offers a comprehensive and well-structured introduction to brain and nature-inspired learning, computation, and recognition.

Chapter 1: Introduction

Chapter 2: The models and structure of neural networks

Chapter 3: Theoretical basis of natural computation

Chapter 4: Theoretical basis of machine learning

Chapter 5: Theoretical basis of compressive sensing

Chapter 6: Multiobjective evolutionary algorithm(MOEA)-based sparse clustering

Chapter 7: MOEA-based community detection

Chapter 8: Evolutionary computation-based multiobjective capacitated arc routing optimizations

Chapter 9: Multiobjective optimization algorithm-based image segmentation

Chapter 10: Graph-regularized feature selection based on spectral learning and subspace learning

Chapter 11: Semisupervised learning based on nuclear norm regularization

Chapter 12: Fast clustering methods based on learning spectral embedding

Chapter 13: Fast clustering methods based on affinity propagation and density weighting

Chapter 14: SAR image processing based on similarity measures and discriminant feature learning

Chapter 15: Hyperspectral image processing based on sparse learning and sparse graph

Chapter 16: Nonconvex compressed sensing framework based on block strategy and overcomplete dictionary

Chapter 17: Sparse representation combined with fuzzy C-means (FCM) in compressed sensing

Chapter 18: Compressed sensing by collaborative reconstruction

Chapter 19: Hyperspectral image classification based on spectral information divergence and sparse representation

Chapter 20: Neural network-based synthetic aperture radar image processing

Chapter 21: Neural network-based polarimetric SAR image classification

Chapter 22: Deep neural network models for hyperspectral images

图书链接：

亚马逊自营：

https://www.amazon.com/Brain-Nature-Inspired-Learning-Computation-Recognition-ebook/dp/B0843PW3ML/ref=sr_1_1?crid=CJVBR9TKQZYE&keywords=Brain+and+Nature-Inspired+Learning%2C+Computation+and+Recognition&qid=1677289178&sprefix=brain+and+nature-inspired+learning%2C+computation+and+recognition%2Caps%2C878&sr=8-1

04.《稀疏学习、分类与识别》

作者：焦李成、尚荣华、刘芳、杨淑媛、侯彪、王爽、马文萍

科学出版社（2017）

内容简介：

本书对近年来稀疏学习、分类与识别领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从稀疏学习、分类与识别三个方面展开介绍，主要内容包含如下几个方面：以学习数据的有效表示为主题，通过挖掘数据本身固有的结构，如几何结构、稀疏与低秩结构等信息来更有效地学习数据的表示；从经典的压缩感知理论框架出发，讨论压缩感知的基本理论、方法和应用的发展概况，并侧重介绍基于过完备字典的结构化压缩感知；上述方法在图像解译中的应用。

图书链接：

当当自营：http://product.dangdang.com/25061936.html

京东自营：https://item.jd.com/12065079.html

05.《大数据智能挖掘与影像解译》

作者：缑水平、焦李成、刘芳、杨淑媛、焦昶哲、李睿敏、毛莎莎

西安电子科技大学出版社 (2022)

内容简介：

本书在介绍数据挖掘基本概念、原理和算法的基础上，详细介绍了图像数据的表示、图像存储、图像分类和目标识别、异常检测、图像关联分析、多媒体数据混合挖掘等内容，展示了智能数据挖掘技术与影像解译信息的过程，并对数据挖掘在人工智能、图像处理、模式识别、数据库等领域的研究进行了详细的论述。全书共分8章，主要内容包括数据挖掘概述及分类、数据挖掘的理论基础、关联规则挖掘、数据挖掘应用实例及可视化、数据挖掘中的图像表示与数据预处理、图像目标检测、图像分割、图像分类与识别。

本书可作为高等学校人工智能、计算机、信号与信息处理、应用数学等专业高年级本科生和研究生的教材，也可作为数据挖掘方面的研究人员的参考资料。

图书链接：

当当链接：http://product.dangdang.com/29401099.html

京东链接：https://item.jd.com/13155421.html

06.《遥感影像深度学习智能解译与识别》

作者：焦李成、刘芳、李玲玲、杨淑媛、侯彪、杨争艳、杨慧、孟繁荣

西安电子科技大学出版社（2019）

内容简介：

遥感影像深度学习智能解译与识别是近年来遥感领域的研究热点。本书分析了将人工智能深度学习技术引入遥感数据的解译与识别中，有效的提升了遥感数据的自动化处理和分析能力，并成功应用于包括图像分类、图像分割、目标检测、变化检测、超高分辨率重建等多个场景中，为该领域的深入研究提供借鉴。

本书为人工智能教育丛书，可为高等院校人工智能、计算机科学、电子科学与技术、信息科学、控制科学与工程等领域的研究人员提供参考，也可作为相关专业本科生及研究生的参考书。

图书链接：

当当自营：http://product.dangdang.com/28471697.html

京东自营：https://item.jd.com/12587583.html

07.《高分辨遥感影像学习与感知》

作者：焦李成、冯婕、刘芳、杨淑媛、张向荣

科学出版社（2017）

内容简介：

高分辨遥感影像学习与感知是近年来遥感应用领域的研究热点。本书分析了高分辨率遥感影像处理的特点和面临的挑战，总结和归纳了国内外已有的研究工作，结合近年来机器学习和人工智能领域中的热点方法，如稀疏表示、多核学习、模糊聚类、多目标优化等，着重从高空间分辨率SAR遥感影像相干斑抑制、SAR地物目标分类和高光谱分辨率遥感影像混合像元分解、维数约简、地物目标分类等方面进行研究，提供了新颖的解决思路和方法。

本书侧重于新算法的描述与实例的分析，反映近年来高分辨遥感影像学习与感知的发展概况，为该领域的深入研究提供借鉴。

图书链接：

当当链接：http://product.dangdang.com/25061916.html；

京东链接：https://item.jd.com/12065077.html。

08.《雷达图像解译技术》

作者：焦李成、侯彪、王爽、刘芳、杨淑媛、白静、钟桦

国防工业出版社 (2017)

内容简介：

本书针对高分辨力合成孔径雷达（Synthetic Aperture Radar，SAR）图像和极化SAR图像解译与目标识别的国际前沿及热点领域，系统地介绍高分辨力SAR和极化SAR的成像机理及其在SAR图像处理领域的应用。首先，介绍SAR图像解译与目标识别的基本原理、研究方法及其发展与应用，重点介绍高分辨力SAR图像相干斑抑制的方法和极化SAR噪声抑制技术；其次，介绍基于结合统计信息、区域信息和上下文信息的高分辨力SAR图像地物分割与分类以及基于极化散射特征、极化统计特征和极化图像特征的极化SAR图像分类；最后，讨论不同高分辨力SAR图像（舰船、飞机等）目标检测、识别及分类的方法。

本书可作为高校电子工程、信号与信息处理、应用数学等专业的高年级本科生或研究生教材，也可供从事雷达图像解译方面研究工作的科技工作者参考。

图书链接：

当当自营：http://product.dangdang.com/25582194.html

京东自营：https://item.jd.com/12458229.html

09.《智能SAR影像变化检测》

作者：焦李成、侯彪、尚荣华、杨淑媛、王爽、万红林、辛芳芳、刘赶超

科学出版社 (2017)

内容简介：

本书对近年来智能SAR影像变化检测领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从智能计算的角度，对SAR影像变化检测提出了新颖的解决思路和方法。基于作者的工作，结合国内外的发展动态，集合了当前智能SAR影像变化检测的很多相关内容。

图书链接：

当当自营：http://product.dangdang.com/24528482.html

京东自营：https://item.jd.com/12168024.html

10.《认知计算与多目标优化》

作者：焦李成、尚荣华、刘芳、杨淑媛、侯彪、王爽、马文萍

科学出版社 (2017)

内容简介：

本书对近年来认知计算和多目标优化领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从认知计算和多目标优化两个方面展开，主要内容包含以下几个方面：认知科学及其特点，多目标优化问题及其求解方法，高效免疫多目标SAR图像自动分割算法，基于智能计算的认知无线网络频谱分配与频谱决策方法。

图书链接：

当当自营：http://product.dangdang.com/24525872.html

京东自营：https://item.jd.com/12168022.html

11.《免疫优化计算、学习与识别》

作者：焦李成、杜海峰、刘芳、公茂果

科学出版社（2006）

内容简介：

本书是作者在人工免疫系统领域研究成果的系统总结。在全面总结外人工免疫系统发展现状的基础上，本书着重介绍作者在这一领域的研究成果，主要包括：免疫算法、免疫克隆选择算法、量子克隆计算、人工免疫网络等算法的构造及其在数据聚类、网络路由、通信多用户检测、计算机网络安全等领域中的相关应用。本书也探讨了人工免疫系统进一步研究的方向。

本书可以为计算机科学、信息科学、人工智能和自动化技术等领域从事人工免疫系统研究的相关专业技术人员提供参考，也可以作为相关专业研究生和高年级本科生教材。

图书链接：

当当自营：http://product.dangdang.com/9188066.html

京东自营：https://item.jd.com/10121837.html

12.《Coevolutionary Computation and Multiagent Systems》

作者：Licheng Jiao, Jing Liu & Weicai Zhong

科学出版社，Witpress（2012）

内容简介：

The origins of evolutionary computation can be traced back to the late 1950's when it remained, almost unknown, to the broader scientific community until the late 1980's when it started to receive significant attention. This book presents the author's recent work in this field.

图书链接：

当当自营：http://product.dangdang.com/11023359555.html

京东自营：https://item.jd.com/10021578165248.html

PART

人工智能12篇经典综述推荐

1、神经网络七十年：回顾与展望（计算机学报）

论文链接：http://cjc.ict.ac.cn/online/onlinepaper/jlc-201672183246.pdf

内容简介：作为联接主义智能实现的典范，神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程，是人工智能发展中的重要方法，也是当前类脑智能研究中的有效工具。在七十年的发展历程中，神经网络曾历经质疑、批判与冷落，同时也几度繁荣并取得了许多瞩目的成就。从20世纪40年代的M-P神经元和Hebb学习规则，到50年代的Hodykin-Huxley方程、感知器模型与自适应滤波器，再到60年代的自组织映射网络、神经认知机、自适应共振网络，许多神经计算模型都发展成为信号处理、计算机视觉、自然语言处理与优化计算等领域的经典方法，为该领域带来了里程碑式的影响。目前，模拟人脑复杂的层次化认知特点的深度学习已经成为类脑智能中的一个重要研究方向。通过增加网络层数所构造的“深层神经网络”使机器能够获得“抽象概念”能力，在诸多领域都取得了巨大的成功，又掀起了神经网络研究的一个新高潮。文中回顾了神经网络的发展历程，综述了其当前研究进展以及存在的问题，展望了未来神经网络的发展方向。

2、稀疏认知学习, 计算与识别的研究进展 （计算机学报）

论文链接：http://cjc.ict.ac.cn/online/onlinepaper/jlc-2016327160814.pdf

内容简介： 稀疏认知学习、计算与识别是近年来受到国际学术界广泛关注的学术前沿领域，这一新的学习、计算与识别范式将对机器学习、模式识别、计算智能以及大数据等领域的研究产生变革性的影响。为能更好地把握其发展规律，本文以生物视觉稀疏认知机理的研究进展为依据，通过对生物视觉稀疏认知机理的学习及建模，详细地评述了稀疏编码模型、结构化稀疏模型和层次化稀疏模型的研究进展，并阐释这三种模型之间的区别与联系；以及概述稀疏认知计算模型目标识别应用的研究状况，并举例给出了稀疏认知计算模型的具体成果；最后总结了这一新范式存在的一些问题及可进一步研究的方向，以期引起更多的研究同行对这一具有交叉性和发展性方向的关注。

图1 稀疏认知学习、计算与识别范式的脉络结构

3、深度神经网络FPGA 设计进展、实现与展望（计算机学报）

论文链接：http://cjc.ict.ac.cn/online/cre/jlc-2021721164800.pdf

内容简介：FPGA 作为一种可编程逻辑器件，具有可编程、高性能、低能耗、高稳定、可并行和安全性的特点。其与深度神经网络的结合成为推动人工智能产业应用的研究热点。本文首先简述了人工神经网络坎坷的七十年发展历程与目前主流的深度神经网络模型，并介绍了支持深度神经网络发展与应用的主流硬件；接下来，在介绍 FPGA 的发展历程、开发方式、开发流程及型号选取的基础上，从六个方向分析了 FPGA 与深度神经网络结合的产业应用研究热点。然后，基于 FPGA 的硬件结构与深度神经网络的模型特点，总结了基于 FPGA 的深度神经网络的设计思路、优化方向和学习策略；接下来，归纳了 FPGA 型号选择以及相关研究的评价指标与度量分析原则；最后，本文总结了影响 FPGA 应用于深度神经网络的五个主要因素并进行了概要分析。

图2 FPGA的发展历程线路图

4、New Generation Deep Learning for Video Object Detection: A Survey （IEEE Transactions on Neural Networks and Learning Systems）

论文链接：https://ieeexplore.ieee.org/document/9345705

内容简介：视频目标检测是计算机视觉领域的一项基本任务，其发展迅速且应用广泛。近年来，深度学习方法在视频物体检测领域迅速普及，与传统方法相比，取得了优异的效果。然而，视频数据中存在的重复信息和复杂时空信息给视频物体检测任务带来了严峻挑战。因此，近年来，许多学者对视频数据背景下的深度学习检测算法进行了深入研究，并取得了显著的成果。考虑到应用的广泛性，对视频物体检测的相关研究进行全面回顾既是必要的也是具有挑战性的。本文试图将视频物体检测的最新前沿研究联系起来，并使之系统化。主要目的是根据具体的代表模型对视频检测算法进行分类和分析。本文系统地展示了视频物体检测与类似任务之间的差异和联系，并介绍了近40个模型在两个数据集上的评价指标和视频检测性能。最后，论文讨论了视频物体检测所面临的各种应用和挑战。

图3 视频目标检测问题的分类和解决方案

5、 Deep learning in visual tracking: A review （IEEE Transactions on Neural Networks and Learning Systems）

论文链接：https://ieeexplore.ieee.org/abstract/document/9666461

内容简介：深度学习在许多计算机视觉任务以及视觉跟踪中都取得了突破性进展。从如何自动获取高级特征表示的研究开始到目前为止，深度学习已经被深入应用到了跟踪任务的方方面面，例如相似性度量、数据协同和目标包围盒估计等，经过社区的不断研究，纯基于深度学习的跟踪器已经获得了该任务中最先进的性能。因此，应该全面回顾深度学习研究在视觉跟踪任务中的发展。本文总结了深度学习给视觉跟踪领域带来的关键进展：深度特征表示、网络结构以及视觉跟踪的四个关键问题(时空信息融合、特定目标分类、目标信息更新和包围盒估计)。本文的基于深度学习的视觉跟踪方法的调查范围首次涵盖了该领域的两个主要子任务，即单目标跟踪和多目标跟踪。此外，本文还分析了基于深度学习的跟踪方法的性能，并给出了有意义的结论。最后，提出了视觉跟踪及相关领域的几个有前景的方向和任务。

图4 视觉跟踪任务与深度学习的关系、研究发展时间线

6、Multi-scale representation learning for image classification: A survey （IEEE Transactions on Artificial Intelligence）

论文链接：https://ieeexplore.ieee.org/document/9650759

内容简介：近年来，特征表征得到了广泛的应用和发展。多尺度特征在许多计算机视觉任务中的表征学习过程中取得了显著突破。本文旨在全面综述近年来多尺度表征学习在分类任务中的研究成果。多尺度表征学习方法可以分为两大类：多尺度几何表征和多尺度网络表征。本文介绍了11种多尺度几何工具和7种多尺度网络结构。文中还描述了这两大类对应的一些基本子问题，包括：表征过程中的一些概念、多尺度几何分析的具体表征方法和网络多尺度表征设计策略。接着，本文说明了这两大类之间的相关性，包括：各自表征过程的特点、两者的组合策略和最优表征所需要具备的条件。通过一些数据集和评估结果，本文验证了多尺度表征学习的有效性。最后，本文给出了多尺度表征相关结论和未来的四个主要研究方向：选择与融合、自适应调节、结构设计和归纳和证明。

7、The New Generation Brain-inspired Sparse Learning: A Comprehensive Survey （IEEE Transactions on Artificial Intelligence）

论文链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9762529

内容简介：近年来，海量数据和复杂网络模型产生的巨大计算资源需求已成为深度学习的局限之一。在海量样本和超高特征维度的大规模问题中，稀疏逐渐引起了学术界和工业界的关注。本文全面综述了新一代的脑启发的稀疏学习。首先，从视觉的生物学机制到自然图像的建模角度介绍了稀疏认知学习。其次，总结了稀疏表征算法以呈现稀疏学习的研究进展。然后，回顾了有关稀疏特征选择学习的相关研究。然后，总结了稀疏深度学习网络以及相关应用。最重要的是，本文讨论了稀疏学习的十个公开问题和挑战。在调研稀疏学习的发展过程中，本文总结了各算法的优势，缺点，局限性和未来的研究方向，可以帮助读者进行进一步的研究。

图5 新一代脑启发的稀疏学习框架

8、Graph representation learning meets computer vision: A survey （IEEE Transactions on Artificial Intelligence）

论文链接：https://ieeexplore.ieee.org/document/9844822

内容简介：以认知科学、脑科学和神经科学为基础，关系推理和结构化建模是人类认知不可或缺的一部分。对于高级智能感知和图像解译，图像内容的几何表示和关系建模是一项重要且具有挑战性的任务。图表征学习算法提供了解决此问题的基本方法。图结构是一种强大的数学抽象，它不仅可以表示关于个体的信息，还可以捕获个体之间的相互作用以进行推理。在本文中，系统地回顾了图表征学习及其在计算机视觉中的应用。首先，本文梳理了图上表征学习的演变，根据图节点的编码方式将它们分为非神经网络和神经网络方法。具体来说，本文介绍了图嵌入和概率图模型等非神经网络方法，同时，还介绍了图递归神经网络、图卷积网络和图神经网络的变体等神经网络方法。然后，本文整理了图表征算法在各种视觉任务（如图像分类、语义分割、目标检测和跟踪等）中的应用，以供细分领域的研究人员回顾和参考，并总结了计算机视觉中典型的图构建方法。最后，在生物学和大脑启发的背景下，本文讨论了图表征学习和计算机视觉的现有挑战和未来方向。

9、Deep Learning-Based Object Tracking in Satellite Videos: A comprehensive survey with a new dataset （IEEE Geoscience and Remote Sensing Magazine）

论文链接：https://ieeexplore.ieee.org/abstract/document/9875020

内容简介：作为卫星视频研究的一项基本任务，目标跟踪广泛用于交通评估、军事安全等方面。目前遥感领域的卫星技术使得以较高的帧率和图像分辨率跟踪运动目标成为可能。然而，这种特殊视角下的物体往往又小又模糊，很难有效地提取可分辨的视觉特征。因此，许多深度学习方法被提出用于卫星视频中的目标跟踪。此外，自然视频的评估标准并不完全适用于卫星视频。微小的物体在这类指标中总是获得低精度的评估结果。在本文中，对卫星视频的研究做出了三项贡献。首先，提出了一个新的单目标跟踪（SOT）数据集，命名为SV248S。这个数据集包括248个具有高精度人工标注的序列，并设计了10种属性标签来完整展示跟踪过程中的困难。其次，本文提出了两种高精度评估方法，特别是针对小目标跟踪。最后，本文对从 2017 年到 2021 年涵盖流行框架的 28 种基于深度学习的最先进跟踪方法进行调研，并在SV248S数据集上进行了评估和比较。此外，根据综合实验结果，本文总结了一些有效采用深度学习方法的指南。

10、Brain-inspired Remote Sensing Interpretation: A Comprehensive Survey （IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing）

论文链接：https://ieeexplore.ieee.org/document/10049618

内容简介：脑启发算法已经成为下一代人工智能的新趋势。通过对脑科学的研究，可以有效提高智能遥感算法。本文对脑认知学习的特性和遥感解译的最新进展进行了总结和分析。首先本综述介绍了大脑的结构组成和特性; 然后，研究了5种代表性的类脑算法，包括多尺度几何分析、压缩感知、注意力机制、强化学习和迁移学习; 其次，对遥感数据类型、典型遥感解译应用发展和遥感算法实现，包括数据集、软件和硬件进行了介绍; 最后，本综述讨论了脑启发遥感解译的十大开放问题和未来发展方向。本文旨在全面综述脑机制和遥感研究进展，并为脑启发遥感解译的未来研究提供参考。

图6 脑启发遥感解译综述总体结构图

11、Quantum optimization and quantum learning: A survey （IEEE Access）

论文链接：https://ieeexplore.ieee.org/document/8972916

内容简介：受到广泛关注的量子机制正处于不断的快速发展之中。量子机制强大的计算能力和高度的并行能力使量子领域具备了广阔的应用前景和全新的生命力。受自然界的启发，智能算法一直是研究热点之一。它是生物学、数学和其他学科完美结合的前沿交叉学科。自然而然，将量子机制与智能算法相结合的理念将为人工智能系统注入新的活力。本文首先列举了量子领域发展的重大突破，然后从量子优化和量子学习两个方面总结了现有的量子算法。之后，分别介绍了量子优化和量子学习的相关概念、主要内容和研究进展。最后，通过模拟量子计算进行实验，证明量子智能算法与传统智能算法相比具有很强的竞争力和巨大的潜力。

12、A Survey of Deep Learning-Based Object Detection （IEEE Access）

论文链接：https://ieeexplore.ieee.org/abstract/document/8825470

内容简介：物体检测是非常重要且具有挑战性的计算机视觉方向之一，已经被广泛应用于人们的工作和生活中，比如遥感影像、监控安防、自动驾驶、机器人视觉等。其目的在于定位物体并正确识别其类别。首先，本文简述了物体检测的诸多研究分支、大型公开基准数据集以及物体检测器的分类。之后详述了物体检测器的多种骨架网络和12种典型的基线网络结构以及当时最新的3种网络架构。在第四章介绍了5个大型公开基准数据集及其评价标准。本文着力于分析基于深度学习的物体检测方法，详细描述了11种主流物体检测领域的研究热点问题及其解决方法。接下来，本文列举了5个应用领域下的18个物体检测应用下的经典方法并详述了10个物体检测研究分支的求解方法。至此，本文参考了317篇经典文献。最后，本文总结了物体检测在深度学习时代的研究方案并给出15个物体检测的未来研究方向。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。

内容简介：

目录：

图书链接：

内容简介：

目录：

内容简介：

内容简介：

目录：

图书链接：

目录：

图书链接：

内容简介：

目录：

第1章 概述

第2章 状态空间知识表示及其搜索技术

第3章 问题归约知识表示及其搜索技术

第4章 确定性推理

第5章 不确定推理

第6章 人工神经网络

第7章 遗传算法

第8章 群智能

第9章 机器学习基础

第10章 模式识别

第11章 未来人工智能

图书链接：

内容简介：

目录：

图书链接：

内容简介：

目录：

图书链接：

当当自营：http://product.dangdang.com/29216116.html

内容简介：

目录：

图书链接：

内容简介：

目录：

第1章 概论

第2章 压缩感知理论简介

第3章 信号稀疏表示与分解方法

第4章 图像稀疏重建

第5章 基于压缩感知的一维回波信号获取与检测

第7章 基于稀疏理论的高分辨率雷达成像

第8章 基于稀疏表示重构的多视目标识别

第9章 基于稀疏性提升的光流估计

图书链接：

内容简介：

目录：

第1章 绪论

第2章 机器学习基础

第3章 人脸检测

第4章 人脸对齐

第5章 人脸活体检测

第6章 人脸图像识别

第7章 异质人脸图像识别

第8章 人脸超分辨率重建

第9章 多视角人脸合成

第10章 人脸表情合成与识别

第11章 计算机人脸动画

第12章 异质人脸图像合成

第13章 人脸图像合成与识别展望

图书链接：

内容简介：

目录：

图书链接：

内容简介：

目录：

图书链接：

内容简介：

目录：

内容简介：

内容简介：

目录：

图书链接：

目录：

图书链接：

内容简介：

目录：

图书链接：

内容简介：

第1章概述

第2章状态空间知识表示及其搜索技术

第3章问题归约知识表示及其搜索技术

第4章确定性推理

第5章不确定推理

第6章人工神经网络

第7章遗传算法

第8章群智能

第9章机器学习基础

第10章模式识别

第11章未来人工智能

第1章概论

第2章压缩感知理论简介

第3章信号稀疏表示与分解方法

第4章图像稀疏重建

第5章基于压缩感知的一维回波信号获取与检测

第7章基于稀疏理论的高分辨率雷达成像

第8章基于稀疏表示重构的多视目标识别

第9章基于稀疏性提升的光流估计

第1章绪论

第2章机器学习基础

第3章人脸检测

第4章人脸对齐

第5章人脸活体检测

第6章人脸图像识别

第7章异质人脸图像识别

第8章人脸超分辨率重建

第9章多视角人脸合成

第10章人脸表情合成与识别

第11章计算机人脸动画

第12章异质人脸图像合成

第13章人脸图像合成与识别展望