第1章 緒論 001
1.1 情報 001
1.1.1 情報和情報觀 001
1.1.2 情報的基本分類 002
1.2 情報分析 003
1.2.1 情報分析的定義與內(nèi)涵 003
1.2.2 情報分析的類型 004
1.2.3 情報分析的思維方法 005
1.3 大數(shù)據(jù)時代情報分析的機遇與挑戰(zhàn) 006
1.3.1 數(shù)據(jù)規(guī)模巨大，對情報數(shù)據(jù)處理提出了挑戰(zhàn) 007
1.3.2 數(shù)據(jù)種類多樣，對情報數(shù)據(jù)整編融合提出了挑戰(zhàn) 008
1.3.3 數(shù)據(jù)產(chǎn)生快速，對情報快速處理提出了挑戰(zhàn) 010
1.3.4 數(shù)據(jù)價值密度降低，對情報挖掘分析提出了挑戰(zhàn) 011
第2章 大數(shù)據(jù)背景下的情報模型 014
2.1 傳統(tǒng)的情報模型 014
2.2 現(xiàn)代戰(zhàn)爭對情報的需求 015
2.2.1 現(xiàn)代戰(zhàn)爭更多地依賴于情報信息 015
2.2.2 現(xiàn)代戰(zhàn)爭需要更加及時的情報 016
2.2.3 情報轉(zhuǎn)變?yōu)橐詥栴}為中心的數(shù)據(jù)驅(qū)動型模型 017
2.3 大數(shù)據(jù)背景下的情報模型概述 020
2.3.1 情報分析需要實現(xiàn)自動化 022
2.3.2 大數(shù)據(jù)情報需要可視化方案 023
2.3.3 大數(shù)據(jù)情報需要更廣泛的專業(yè)化 024
第3章 情報大數(shù)據(jù)分析中的人工智能技術(shù) 026
3.1 人工智能和機器學習概述 026
3.1.1 基本概念 026
3.1.2 研究現(xiàn)狀 027
3.1.3 未來發(fā)展 028
3.2 人工智能技術(shù)的應用 029
3.2.1 實現(xiàn)自動化的層次 029
3.2.2 人工智能的潛在應用 030
3.2.3 人工智能的支撐技術(shù) 034
3.3 人工智能方法 038
3.3.1 神經(jīng)網(wǎng)絡 038
3.3.2 全連接神經(jīng)網(wǎng)絡 039
3.3.3 卷積神經(jīng)網(wǎng)絡 040
3.3.4 遞歸神經(jīng)網(wǎng)絡 041
3.3.5 自編碼器 043
3.3.6 深度強化學習 044
3.4 人工智能方法的脆弱性 045
3.4.1 對機器視覺系統(tǒng)的攻擊 045
3.4.2 對語音識別系統(tǒng)的攻擊 046
第4章 基于數(shù)據(jù)流挖掘的情報分析技術(shù)體系架構(gòu) 048
4.1 情報分析過程 048
4.1.1 大數(shù)據(jù)時代情報分析技術(shù)發(fā)展 048
4.1.2 傳統(tǒng)的情報周期 050
4.1.3 以目標為中心的情報流程 052
4.2 基于數(shù)據(jù)流挖掘的情報分析系統(tǒng)體系架構(gòu) 054
4.2.1 數(shù)據(jù)挖掘概念 054
4.2.2 數(shù)據(jù)挖掘的過程與步驟 054
4.2.3 情報分析中數(shù)據(jù)挖掘技術(shù)的功能用途 055
4.2.4 基于數(shù)據(jù)挖掘的情報分析系統(tǒng) 056
4.2.5 基于數(shù)據(jù)流挖掘的情報分析技術(shù)體系 057
4.3 大數(shù)據(jù)背景下情報數(shù)據(jù)流挖掘分析的關(guān)鍵技術(shù) 060
4.3.1 信號噪聲處理技術(shù) 061
4.3.2 數(shù)據(jù)分類處理技術(shù) 062
4.3.3 概念漂移處理技術(shù) 062
第5章 大數(shù)據(jù)情報信息快速決策樹分類技術(shù) 064
5.1 分類技術(shù)基礎 064
5.2 分類器模型構(gòu)建方法 065
5.3 增量式分類器 066
5.3.1 快速分類決策樹 066
5.3.2 基于線索化排序二叉樹的快速決策樹分類方法 067
5.3.3 連續(xù)屬性區(qū)間剪枝 068
5.3.4 增量模糊決策樹 070
5.3.5 可伸縮分類決策樹框架 071
5.3.6 概念漂移適變快速分類決策樹 071
5.4 快速分類決策樹 073
5.4.1 快速分類決策樹框架 073
5.4.2 分類精度 076
5.4.3 決策樹生成過程 079
5.4.4 屬性選擇測度 080
5.4.5 連續(xù)屬性處理 081
5.4.6 連續(xù)屬性樣本增量插入 081
5.4.7 連續(xù)屬性的屬性樹線索化過程 082
5.4.8 最佳劃分節(jié)點選取 082
第6章 大數(shù)據(jù)情報信息噪聲數(shù)據(jù)處理技術(shù) 084
6.1 噪聲數(shù)據(jù)處理流程 085
6.2 噪聲數(shù)據(jù)處理算法基礎理論 086
6.2.1 模糊理論基礎 086
6.2.2 決策樹構(gòu)造中的連續(xù)屬性處理 086
6.2.3 傳統(tǒng)決策樹和模糊決策樹 086
6.2.4 基于連續(xù)屬性平滑離散化的模糊決策樹生成過程 088
6.3 噪聲數(shù)據(jù)增量模糊決策樹算法實現(xiàn) 090
第7章 大數(shù)據(jù)情報信息概念漂移處理技術(shù) 093
7.1 概念漂移基礎 093
7.1.1 概念漂移定義 094
7.1.2 概念漂移分類 095
7.2 概念漂移處理方法 096
7.2.1 STAGGER和FLORA 096
7.2.2 OLIN 096
7.2.3 UFFT 096
7.3 概念漂移自適應快速分類決策樹算法框架 097
7.4 基于擴展哈希表的概念漂移自適應快速分類決策樹算法 099
7.4.1 擴展哈希表基本數(shù)據(jù)結(jié)構(gòu) 099
7.4.2 新數(shù)據(jù)到達時的擴展哈希表插入過程 100
7.4.3 數(shù)據(jù)流出時的擴展哈希表刪除過程 100
7.4.4 連續(xù)屬性最佳劃分節(jié)點選取過程 102
第8章 武器裝備情報大數(shù)據(jù)分析案例 103
8.1 基于LLA的國防采辦決策 103
8.1.1 研究背景 103
8.1.2 詞法鏈接分析方法 104
8.1.3 詞組產(chǎn)生和“文本-概念-聚類”模型 107
8.1.4 詞法鏈接分析用于國防采辦可視化環(huán)境 109
8.2 服務采辦決策的大數(shù)據(jù)分析 112
8.2.1 研究背景 112
8.2.2 研究方法和過程 114
8.2.3 研究結(jié)果 115
8.2.4 結(jié)論 118
8.3 裝備維修決策的大數(shù)據(jù)分析 118
8.3.1 研究背景 119
8.3.2 研究方法和過程 119
8.3.3 結(jié)果和結(jié)論 120
參考文獻 125