《空间智能计算》教学大纲

1、空间智能计算教学大纲课程名称：空间智能计算课程英文名称：Spatial Intelligent computing课程编码：课程类别/性质：专业课程/选修学分：2.0总学时/理论/实验：32/24/8开课单位：地球科学学院适用专业：地理信息科学先修课程：C语言程序设计、数据结构及其应用、线性代数、概率论一、课程简介空间智能计算是地理信息科学专业的一门专业选修课。主要阐述借助自然界（生物界）规律的启示，基于人们对生物体智能机理和某些自然规律的认识，采用数值计算的方法设计出求解问题的算法，模拟和实现人类的智能、生物智能、其它社会和自然规律。课程内容包括四部分：神经计算、模糊计算、演化计算、群智能计

2、算，也是本课程的核心内容。该课程逻辑性很强，需要数学功底扎实，必须全面地运用数学、计算机等多学科知识来阐述智能计算的基本思想。要求学生学习该课程后，掌握进化计算、人工神经网络和模糊逻辑与模糊推理等智能计算方法的理论、模型和算法，具备用所学内容解决实际问题或方法上有所创新的能力；培养求真务实的科学态度和自主学习的。保证学生达成专业的相应毕业要求。二、课程目标通过本课程系统地讲授智能计算的有关基础理论、技术及其主要应用，要求学生系统地掌握智能计算的相关算法，了解智能计算的主要应用领域；将智能计算方法与学生未来研究方向相结合，培养学生独立科研思维能力；介绍智能计算研究的前沿领域与最新进展，培养学生科

3、研兴趣，培养学生自主学习能力，树立服务社会、有利于国家的正确价值观，为后续专业课程学习及从事地理信息工作提供多学科知识。1价值目标（或称育人目标）了解行业发展动态，培养学生自主学习、严谨求实的科学素养，培养服务社会、有利于国家的新时代地理信息事业的建设者和接班人。2知识和能力目标（1）了解计算智能基础知识，掌握神经网络、模糊计算、进化算法等主要智能计算算法，为学习后继课程打下良好的知识基础（毕业要求2.2）。（2）掌握计算智能基本理论、方法、技术等基础知识，包括人工神经网络基础、BP神经网络及设计、自组织神经网络及设计、反馈神经网络、模糊集合与隶属度函数、模糊模式识别、模糊聚类分析、进化算法的

4、基本概念、进化算法中的遗传算法和粒子群算法（毕业要求2.3）。（3）获得智能计算在地理信息领域分析问题、开展研究、设计解决方案的基本能力，获得一定的使用现代工具的锻炼（毕业要求2.4）。（4）结合Matlab工具箱实现相关的算法，并应用算法解决实际问题（毕业要求3.2）。（5）要求学生了解智能计算理论研究方法，能够阅读相关中外文献，了解其最新动态，力争在某些方法上有所创新（毕业要求10.2）。三、课程教学内容及学时分配课程教学包括课堂教学、课堂研讨、课堂测试、实验动手实践几部分内容。包括6章的理论教学和4个实验内容。课内理论教学24学时，实验8学时（详见本大纲第四部分）。课堂理论教学内容、要求

5、及学时分配如下：支撑毕业要求指标点理解掌握分析与应用第一章 绪论第一节 智能计算基本概念第二节 智能计算方法分类第三节 智能计算模型第四节 智能计算发展过程第五节 智能计算应用第二章 人工神经网络第一节 生物神经元和人工神经元第二节 人工神经网络的概念第三节 神经元的数学模型第四节 感知器及BP网络第五节 深度学习第三章 模糊计算第一节 模糊计算起源第二节 模糊集合第三节 模糊关系第四节 模糊聚类第四章 遗传算法第一节 遗传算法概念第二节 遗传算法原理第三节 遗传算法算例第四节 遗传算法流程结构第五节 遗传算法改进第五章 群智能优化算法第一节 粒子群算法概念第二节 粒子群算法实现与改进第三节

6、蚁群算法原理第四节 蚁群算法实现与改进第六章 空间智能计算第一节 什么是地理空间AI第二节 地理空间AI应用实例第三节 地理空间AI的发展趋势注：在“要求”栏内以高、中、低来表示对学生学习程度的要求，高为最高要求。理解指能对所学的内容作归纳、分类、解释、总结、推断和一定程度的发挥。掌握指能理解学习材料的内涵和意义，包括具体分类、区别、流程、误区等的认知和学习。可以借助三种形式来表明对材料的领会，一是转换，即用自己的话或用与原先表达方式不同的方式表达自己的思想；二是解释，即对一项信息加以说明或概述；三是推断，即估计将来的趋势（预期的后果）。分析指能将所学的内容分解并找出它们的相互关系和构成，或能

7、计划、创造、建造或有改变的重构。应用指能将学习材料用于新的具体情境，包括原则、方法、技巧、规律的拓展， HYPERLINK /doc/6670661-6884501.html t _blank 代表较高水平的学习成果。应用需要建立对知识点掌握的基础上。四、实验内容与学时分配实验内容为课内设置的一个实践教学环节，由4个实验组成。实验项目与类型序号实验项目实验类型学时支撑毕业要求指标点演示验证综合设计1神经网络的Matlab实现及应用22.32模糊计算的Matlab实现及应用22.33遗传算法的Matlab实现及应用22.34蚁群算法的Matlab实现及应用22.3实验一 神经网络的Matlab实

8、现及应用2学时（1）目的要求掌握神经网络算法的相关内容，Matlab工具箱安装和应用，实现神经网络算法编程。（2）方法原理卷积神经网络进行图像分类是深度学习关于图像处理的一个应用，卷积神经网络的优点是能够直接与图像像素进行卷积，从图像像素中提取图像特征，这种处理方式更加接近人类大脑视觉系统的处理方式。另外，卷积神经网络的权值共享属性和pooling层使网络需要训练的参数大大减小，简化了网络模型，提高了训练的效率。输入层:卷积输入层可以直接作用于原始输入数据，对于输入是图像来说，输入数据是图像的像素值。卷积层:卷积神经网络的卷积层，也叫做特征提取层，包括二个部分。第一部分是真正的卷积层，主要作用

9、是提取输入数据特征。每一个不同的卷积核提取输入数据的特征都不相同，卷积层的卷积核数量越多，就能提取越多输入数据的特征。第二部分是pooling层，也叫下采样层，主要目的是在保留有用信息的基础上减少数据处理量，加快训练网络的速度。通常情况下，卷积神经网络至少包含二层卷积层(这里把真正的卷积层和下采样层统称为卷积层)，即卷积层，pooling层，卷积层，pooling层。卷积层数越多，在前一层卷积层基础上能够提取更加抽象的特征。全连接层:可以包含多个全连接层，实际上就是多层感知机的隐含层部分。通常情况下后面层的神经节点都和前一层的每一个神经节点连接，同一层的神经元节点之间是没有连接的。每一层的神经

10、元节点分别通过连接线上的权值进行前向传播，加权组合得到下一层神经元节点的输入。输出层:输出层神经节点的数目是根据具体应用任务来设定的。如果是分类任务，卷积神经网络输出层通常是一个分类器。（3）主要实验仪器及材料64位主机以及16GB 以上内存，Windows10操作系统, matlab2018以上版本（4）掌握要点卷积神经网络算法原理、Matlab神经网络算法工具箱的使用（5）实验内容根据提供的神经网络算法工具箱进行安装。阅读提供的代码，并给出重要代码注释，运行代码并调试，实验对比不同的卷积层层数和卷积核大小的影响。编程实现之。实验二 模糊计算的Matlab实现及应用2学时（1）目的要求 掌握

11、模糊算法的相关内容，Matlab工具箱安装和应用。（2）方法原理模糊聚类分析是一种采用模糊数学语言对事物按一定的要求进行描述和分类的数学方法。模糊聚类分析一般是指根据研究对象本身的属性来构造模糊矩阵，并在此基础上根据一定的隶属度来确定聚类关系，即用模糊数学的方法把样本之间的模糊关系定量的确定，从而客观且准确地进行聚类。聚类就是将数据集分成多个类或簇，使得各个类之间的数据差别应尽可能大，类内之间的数据差别应尽可能小，即为“最小化类间相似性，最大化类内相似性”原则。（3）主要实验仪器及材料64位主机以及16GB 以上内存，Windows10操作系统, Matlab2018以上版本（4）掌握要点模糊

12、算法原理、Matlab模糊算法工具箱的使用（5）实验内容根据提供的模糊算法工具箱进行安装。阅读提供的代码，并给出重要代码注释，运行代码并调试，调整初始种群大小、交叉概率、变异概率、迭代次数，比较运行的结果并分析。编程实现。实验三 遗传算法的Matlab实现及应用2学时（1）目的要求 掌握遗传算法的相关内容，Matlab工具箱安装和应用。（2）方法原理基于对自然界中生物遗传与进化机理的模仿，针对不同的问题，很多学者设计了许多不同的编码方法来表示问题的可行解，开发出了许多种不同的遗传算子来模仿不同环境下生物遗传特性。这样，由不同的编码方法和不同的遗传算子就构成了各种不同的遗传算法。但这些遗传算法都

13、有共同的特点，即通过对生物遗传和进化过程中选择、交叉、变异机理的模仿，来完成对问题最优解的自适应搜索过程。基于这个特点，Goldberg总结出了一种统一的最基本的遗传算法基本遗传算法（Simple Genetic Algorithms，简称SGA）。TSP (Traveling Salesman Problem)旅行商问题是一类典型的NP完全问题，遗传算法是解决NP问题的一种较理想的方法。（3）主要实验仪器及材料64位主机以及16GB 以上内存，Windows10操作系统, matlab2018以上版本（4）掌握要点遗传算法原理、Matlab遗传算法工具箱的使用（5）实验内容根据提供的遗传算法

14、工具箱进行安装。阅读提供的代码，并给出重要代码注释，运行代码并调试，调整初始种群大小、交叉概率、变异概率、迭代次数，比较运行的结果并分析。编程实现。实验四 蚁群算法的Matlab实现及应用2学时（1）目的要求掌握蚁群算法原理，基本流程，TSP优化求解。Matlab工具箱安装和应用。（2）方法原理蚁群系统(Ant System或Ant Colony System)是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。他们在研究蚂蚁觅食的过程中，发现单个蚂蚁的行为比较简单，但是蚁群整体却可以体现一些智能的行为。例如蚁群可以在不同的环境下，寻找最短到达食物源的路径。这是因为

15、蚁群内的蚂蚁可以通过某种信息机制实现信息的传递。后又经进一步研究发现，蚂蚁会在其经过的路径上释放一种可以称之为“信息素”的物质，蚁群内的蚂蚁对“信息素”具有感知能力，它们会沿着“信息素”浓度较高路径行走，而每只路过的蚂蚁都会在路上留下“信息素”，这就形成一种类似正反馈的机制，这样经过一段时间后，整个蚁群就会沿着最短路径到达食物源了。（3）主要实验仪器及材料64位主机以及16GB 以上内存，Windows10操作系统, matlab2018以上版本（4）掌握要点蚁群算法原理、Matlab蚁群算法工具箱的使用（5）实验内容阅读提供的代码，并给出重要代码注释，运行代码并调试，调整参数(蚂蚁数量，信息

16、素浓度，启发式信息，信息素挥发因子，迭代次数)，比较运行的结果并分析参数对算法性能的影响。对于上述代码，请设计出一种改进方案，并说明改进方案的优势，通过实验与原代码进行比较，分析实验结果。五、教学方法本课程以“讲练引导，跨界融合”为教学理念，注重学生的自我探索和学习新知识的能力。主要教学环节包括课堂教学、课后自学、课堂研讨、实验教学四部分内容。1课堂教学：主要采用教师理论讲解与学生实验操作相结合，不断地吸收先进理论知识和行业应用动态。理论教学结合学生的实验操作、课堂讨论、实验报告撰写等展开，努力降低学生接受知识的难度，不断提高学生发现、分析和解决问题的能力。2课后自学：布置适当文献，使学生进一

17、步了解学科前沿动态，大力培养学生阅读和写作智能计算应用论文的能力。3随堂研讨：注重应用启发式教学，开展案例讨论等教学方法，引导学生积极思考问题、分析问题，拓展学生的思维。4实验教学：注重课后练习和实验操作，撰写实验报告，大力培养学生动脑、动手、独立解决问题的能力。六、考核及成绩评定方式考核要求：主要结合社会热点问题或教师的科研项目，针对具体问题选择合适的智能算法求解。考核形式：考查考核内容：4次实验报告（毕业要求2.4）和读书报告（毕业要求2.4）成绩评定：选用百分制模式，平时考查与期末考查相结合。课程考核总成绩由三部分构成，具体包括综合读书报告（50%)、实验报告（30%)、课堂考勤（20%）三个部分。七、