首先，緒論介紹空間對地觀測光學衛(wèi)星視頻智能處理的定義和特點。著重論述了空間對地觀測視頻衛(wèi)星的發(fā)展應用、視頻智能處理方法的發(fā)展現(xiàn)狀和難點、數(shù)據(jù)集的發(fā)展等重點內(nèi)容，為后續(xù)章節(jié)的內(nèi)容奠定理論基礎。衛(wèi)星視頻智能處理任務方面的章節(jié)中，專著既強調(diào)了任務的概念與內(nèi)涵，又詳細介紹了方法的發(fā)展脈絡、應用案例以及提出的先進的模型算法，使讀

人眼是視覺體驗的最終判據(jù)，人眼視覺特性的感知計算是跨越視覺模型與視覺體驗間鴻溝，提升多媒體信號處理系統(tǒng)服務質(zhì)量和感知質(zhì)量的關鍵所在。由于視覺信號采集，壓縮，傳輸和顯示的各個階段中引入的質(zhì)量下降，圖像質(zhì)量評價在視覺通信系統(tǒng)中起著至關重要的作用。圖像質(zhì)量評價分為主觀評價和客觀評價，其中客觀圖像質(zhì)量評價由于其效率高且易于部署

遙感數(shù)據(jù)是空間大數(shù)據(jù)的一個子集。面向大數(shù)據(jù)處理，需要新的思維指導實踐。新思維之一：尋找多源數(shù)據(jù)不變特征的思維，基于不變特征減弱同地、同譜、同時不同傳感器數(shù)據(jù)之間的不一致性，不同傳感器數(shù)據(jù)可綜合集成應用。本書數(shù)據(jù)處理篇多源數(shù)據(jù)的幾何一致性處理、輻射一致性處理等都是這一思維指導下的關鍵技術。新思維之二：將信息提取轉(zhuǎn)化為數(shù)據(jù)

本書以語音、音頻技術及應用為目標，從物理、信號、聽覺感知等幾方面綜合詳細地描述了通信聲學的基本原理和應用知識。通過一般通信系統(tǒng)的鏈路結(jié)構(gòu)，清晰直觀地闡述了面向人與人、人與機器之間的聲信息交互方式，及一般聲學環(huán)境中音頻信號的產(chǎn)生、傳播和接收的步驟。本書結(jié)合現(xiàn)代聲學、信息處理和通信技術的發(fā)展，在各章節(jié)中有機地融合了心理生理

大規(guī)模MIMO具有較高的空間自由度和復用增益，能夠有效提高系統(tǒng)的頻譜效率和能量效率。本書通過對以大規(guī)模MIMO技術為核心的多種應用場景展開研究，分析了這些場景下一些無線資源如何影響頻能效性能，提出了一些聯(lián)合多個資源優(yōu)化分配算法，以此來進一步提升系統(tǒng)的頻能效。全書分為六章，第一章介紹了大規(guī)模MIMO技術的研究背景及意義，

本書作者根據(jù)其專業(yè)見解詮釋了企業(yè)實施人工智能的意義。全書分10章，從理論、行業(yè)案例、應用指南、困難挑戰(zhàn)及未來發(fā)展等方面介紹了企業(yè)將自動化和人工智能思維轉(zhuǎn)變成行動的方法和戰(zhàn)略。書中討論了如何正確對待對人工智能的過度炒作，介紹了人工智能的歷史，將理論與實踐相結(jié)合，講解了人工智能能力框架及相關的技術和全球各行業(yè)的應用案例，闡

本書旨在全面介紹工程測試技術的各個方面，內(nèi)容涵蓋從最基礎的理論到最前沿的工具和方法。本書共7章，緒論部分主要闡明測試的基本任務及其未來的發(fā)展方向，同時介紹本書的特色及教學目標，為讀者后續(xù)學習奠定堅實的基礎；測試信號分析與處理章節(jié)介紹信號的分類和波形分析，重點討論信號相關性分析與傳統(tǒng)數(shù)字信號處理技術；數(shù)字信號的濾波章節(jié)系

本書向你展示如何從零開始編寫簡潔、可維護的C代碼。首先簡要介紹C語言的歷史和建立開發(fā)環(huán)境的步驟。然后介紹C語言的語句，包括分支和循環(huán)語句，并對變量及其作用域進行深入探討。之后展示C語言的數(shù)組、結(jié)構(gòu)，并講解如何查找和使用常用的代碼片段。第8-11章介紹C語言在Arduino中的應用，涵蓋設置Arduino開發(fā)環(huán)境、代碼編

快速分析電路技術(簡稱FACTs)倡導的是一種簡單的方法，如果一個電路太復雜，就把它分成幾個更簡單的子電路，分而治之。然后將所有中間結(jié)果組合起來，形成你想要的最終結(jié)果。如果結(jié)果與你預期的不一致，只需要找到有錯誤的子電路并修正它，而不需要從頭開始。本書從簡單到復雜，逐步推進講解線性電路傳遞函數(shù)快速分析技術，通過對電路傳遞

本書基于作者多年來對于文本大數(shù)據(jù)的研究成果創(chuàng)作完成，主要分為兩部分內(nèi)容。第一部分包括前5章，基于主題模型，首先介紹了基礎的主題模型及其推斷、評價方法，然后介紹了動態(tài)、稀疏、多語料聯(lián)合等多角度的主題模型，以及主題模型的變點檢測方法。第二部分包括后3章，基于機器學習和深度學習模型，包括文本分層分類模型、異質(zhì)圖新聞推薦模型以