數據驅動的目標分析技術

男，博士，國防科技大學系統工程學院講師。長期從事導航系統地面管控與優化領域的研究，在該領域作為項目負責人和技術負責人承擔了二代導航重大專項多星多站運行管理、星地一體控制管理體系結構與調度策略、星間鏈路網絡評估等多項預研課題，並全程負責了北鬥試驗衛星及北鬥三號系統地面運控系統的研發與運行保障工作。

第1章 目標分析技術的發展
1.1 目標分析內涵
1.2 目標分析技術的發展
1.3 基於開源數據的目標分析內容
第2章 目標分析的開源數據與基礎方法
2.1 開源數據簡介
2.1.1 開源數據研究現狀
2.1.2 開源文本數據采集
2.1.3 開源圖片數據采集
2.1.4 開源AIS數據采集
2.2 目標實體識別方法
2.2.1 實體識別基本概念
2.2.2 實體識別的價值和應用領域
2.2.3 實體識別的研究現狀和難點
2.2.4 實體識別的發展趨勢
2.2.5 基於大語言模型的目標實體識別
2.3 事件抽取方法
2.3.1 事件抽取基本概念
2.3.2 事件抽取的評價指標
2.3.3 事件抽取基準數據集
2.3.4 事件抽取常用方法
2.3.5 基於閱讀理解的事件抽取
2.4 基於圖像的目標檢測方法
2.4.1 目標檢測常用框架
2.4.2 經典目標檢測方法
2.4.3 基於YOLO V5改進的目標檢測算法
第3章 基於開源數據的目標跟蹤分析
3.1 目標跟蹤簡介
3.2 傳統的基於圖像的目標跟蹤方法
3.2.1 光流法
3.2.2 卡爾曼濾波器
3.2.3 粒子濾波
3.2.4 均值漂移
3.2.5 稀疏編碼
3.2.6 字典學習
3.3 基於深度學習的目標跟蹤方法
3.3.1 卷積神經網絡
3.3.2 孿生神經網絡
3.3.3 典型的深度學習跟蹤算法
3.3.4 其他方法
3.4 基於事件序列的目標跟蹤方法
3.4.1 事件融合
3.4.2 目標活動事件線生成
第4章 目標行為變化檢測分析
4.1 基於AI的變化檢測方法
4.1.1 基於AI的變化檢測實施過程
4.1.2 基於AI的變化檢測主要框架
4.2 基於圖像的目標變化檢測
4.2.1 基於STANet的圖像變化檢測方法
4.2.2 基於自編碼網絡的半監督圖像異常檢測
4.3 基於時序數據的目標異常變化檢測
4.3.1 數學描述
4.3.2 多變量時序異常檢測模型
第5章 目標活動動向預測分析
5.1 基於事件的目標動向預測
5.1.1 目標活動事件圖譜構建
5.1.2 基於協同模式的目標事件預測
5.1.3 基於事件的目標動向預測評估
5.2 基於軌跡的目標動向預測
5.2.1 軌跡數據預處理
5.2.2 基於軌跡相似度的目標活動預測
5.2.3 基於深度學習的目標活動預測
第6章 面向開源情報的目標分析案例
6.1 基於開源文本數據的目標活動跟蹤分析
6.2 目標活動異常告警分析
6.3 目標活動預測案例分析
參考文獻