第1章 緒論 001
1.1 情報(bào) 001
1.1.1 情報(bào)和情報(bào)觀 001
1.1.2 情報(bào)的基本分類(lèi) 002
1.2 情報(bào)分析 003
1.2.1 情報(bào)分析的定義與內(nèi)涵 003
1.2.2 情報(bào)分析的類(lèi)型 004
1.2.3 情報(bào)分析的思維方法 005
1.3 大數(shù)據(jù)時(shí)代情報(bào)分析的機(jī)遇與挑戰(zhàn) 006
1.3.1 數(shù)據(jù)規(guī)模巨大，對(duì)情報(bào)數(shù)據(jù)處理提出了挑戰(zhàn) 007
1.3.2 數(shù)據(jù)種類(lèi)多樣，對(duì)情報(bào)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(duì)情報(bào)快速處理提出了挑戰(zhàn) 010
1.3.4 數(shù)據(jù)價(jià)值密度降低，對(duì)情報(bào)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(bào)模型 014
2.1 傳統(tǒng)的情報(bào)模型 014
2.2 現(xiàn)代戰(zhàn)爭(zhēng)對(duì)情報(bào)的需求 015
2.2.1 現(xiàn)代戰(zhàn)爭(zhēng)更多地依賴(lài)于情報(bào)信息 015
2.2.2 現(xiàn)代戰(zhàn)爭(zhēng)需要更加及時(shí)的情報(bào) 016
2.2.3 情報(bào)轉(zhuǎn)變?yōu)橐詥?wèn)題為中心的數(shù)據(jù)驅(qū)動(dòng)型模型 017
2.3 大數(shù)據(jù)背景下的情報(bào)模型概述 020
2.3.1 情報(bào)分析需要實(shí)現(xiàn)自動(dòng)化 022
2.3.2 大數(shù)據(jù)情報(bào)需要可視化方案 023
2.3.3 大數(shù)據(jù)情報(bào)需要更廣泛的專(zhuān)業(yè)化 024
第3章 情報(bào)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(jī)器學(xué)習(xí)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(lái)發(fā)展 028
3.2 人工智能技術(shù)的應(yīng)用 029
3.2.1 實(shí)現(xiàn)自動(dòng)化的層次 029
3.2.2 人工智能的潛在應(yīng)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(luò) 038
3.3.2 全連接神經(jīng)網(wǎng)絡(luò) 039
3.3.3 卷積神經(jīng)網(wǎng)絡(luò) 040
3.3.4 遞歸神經(jīng)網(wǎng)絡(luò) 041
3.3.5 自編碼器 043
3.3.6 深度強(qiáng)化學(xué)習(xí) 044
3.4 人工智能方法的脆弱性 045
3.4.1 對(duì)機(jī)器視覺(jué)系統(tǒng)的攻擊 045
3.4.2 對(duì)語(yǔ)音識(shí)別系統(tǒng)的攻擊 046
第4章 基于數(shù)據(jù)流挖掘的情報(bào)分析技術(shù)體系架構(gòu) 048
4.1 情報(bào)分析過(guò)程 048
4.1.1 大數(shù)據(jù)時(shí)代情報(bào)分析技術(shù)發(fā)展 048
4.1.2 傳統(tǒng)的情報(bào)周期 050
4.1.3 以目標(biāo)為中心的情報(bào)流程 052
4.2 基于數(shù)據(jù)流挖掘的情報(bào)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(guò)程與步驟 054
4.2.3 情報(bào)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(bào)分析系統(tǒng) 056
4.2.5 基于數(shù)據(jù)流挖掘的情報(bào)分析技術(shù)體系 057
4.3 大數(shù)據(jù)背景下情報(bào)數(shù)據(jù)流挖掘分析的關(guān)鍵技術(shù) 060
4.3.1 信號(hào)噪聲處理技術(shù) 061
4.3.2 數(shù)據(jù)分類(lèi)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(bào)信息快速?zèng)Q策樹(shù)分類(lèi)技術(shù) 064
5.1 分類(lèi)技術(shù)基礎(chǔ) 064
5.2 分類(lèi)器模型構(gòu)建方法 065
5.3 增量式分類(lèi)器 066
5.3.1 快速分類(lèi)決策樹(shù) 066
5.3.2 基于線(xiàn)索化排序二叉樹(shù)的快速?zèng)Q策樹(shù)分類(lèi)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(shù) 070
5.3.5 可伸縮分類(lèi)決策樹(shù)框架 071
5.3.6 概念漂移適變快速分類(lèi)決策樹(shù) 071
5.4 快速分類(lèi)決策樹(shù) 073
5.4.1 快速分類(lèi)決策樹(shù)框架 073
5.4.2 分類(lèi)精度 076
5.4.3 決策樹(shù)生成過(guò)程 079
5.4.4 屬性選擇測(cè)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(shù)線(xiàn)索化過(guò)程 082
5.4.8 最佳劃分節(jié)點(diǎn)選取 082
第6章 大數(shù)據(jù)情報(bào)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(chǔ)理論 086
6.2.1 模糊理論基礎(chǔ) 086
6.2.2 決策樹(shù)構(gòu)造中的連續(xù)屬性處理 086
6.2.3 傳統(tǒng)決策樹(shù)和模糊決策樹(shù) 086
6.2.4 基于連續(xù)屬性平滑離散化的模糊決策樹(shù)生成過(guò)程 088
6.3 噪聲數(shù)據(jù)增量模糊決策樹(shù)算法實(shí)現(xiàn) 090
第7章 大數(shù)據(jù)情報(bào)信息概念漂移處理技術(shù) 093
7.1 概念漂移基礎(chǔ) 093
7.1.1 概念漂移定義 094
7.1.2 概念漂移分類(lèi) 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(yīng)快速分類(lèi)決策樹(shù)算法框架 097
7.4 基于擴(kuò)展哈希表的概念漂移自適應(yīng)快速分類(lèi)決策樹(shù)算法 099
7.4.1 擴(kuò)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(dá)時(shí)的擴(kuò)展哈希表插入過(guò)程 100
7.4.3 數(shù)據(jù)流出時(shí)的擴(kuò)展哈希表刪除過(guò)程 100
7.4.4 連續(xù)屬性最佳劃分節(jié)點(diǎn)選取過(guò)程 102
第8章 武器裝備情報(bào)大數(shù)據(jù)分析案例 103
8.1 基于LLA的國(guó)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(lèi)”模型 107
8.1.4 詞法鏈接分析用于國(guó)防采辦可視化環(huán)境 109
8.2 服務(wù)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(guò)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(guò)程 119
8.3.3 結(jié)果和結(jié)論 120
參考文獻(xiàn) 125