焦李成，华山领军教授、博士生导师、欧洲科学院外籍院士、俄罗斯自然科学院外籍院士。现任西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长、智能感知与图像理解教育部重点实验室主任、智能感知与计算国际联合研究中心主任、智能感知与计算国际合作联合实验室主任、“智能信息处理科学与技术”高等学校学科创新引智基地主任，教育部科技委学部委员，教育部人工智能科技创新专家组专家，“一带一路”人工智能创新联盟理事长，陕西省人工智能产业技术创新战略联盟理事长，西安市人工智能产业发展联盟理事长，中国人工智能学会第六、七届副理事长，全国高校人工智能与大数据创新联盟副理事长，IET西安分会主席，IEEE西安分会奖励委员会主席，IEEE计算智能协会西安分会主席，IEEE GRSS西安分会主席，IEEE TGRS、IEEE TCyb副主编，教育部创新团队首席专家，IEEE Fellow.IET Fellow，首批中国人工智能学会会士，中国自动化学会会士，中国电子学会会士，中国计算机学会会士，国务院学位委员会学科评议组成员，人社部博士后管委会评议组专家。曾任第八届全国人大代表。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程（一、二层次），陕西省首批“三五人才”层次。当选为全国模范教师、陕西省突出贡献专家和陕西省师德标兵。
　　焦李成教授的主要研究方向为智能感知与计算、图像理解与目标识别、深度学习与类脑计算，培养的十余名博士获全国优秀博士学位论文奖、提名奖及陕西省优秀博士论文奖。研究成果获青年科技奖、吴文俊人工智能杰出贡献奖、国家自然科学奖二等奖及省部级一等奖等科技奖励十余项，出版了国内第一部有关神经网络的著作《神经网络系统理论》以及《免疫优化计算、学习与识别》《图像多尺度几何分析理论与应用》《深度学习、识别与优化》等专著二十余部，其著作五次获国家优秀科技图书奖及全国首届三个一百优秀图书奖。连续七年入选爱思唯尔高被引学者榜单，所发表的论著H指数为87。

第1章 绪论
1．1 数据挖掘概述
1．2 数据挖掘的分类
1．2．1 基于数据类型的分类
1．2．2 基于所挖掘的知识类型的分类
1．2．3 基于所采用技术的分类
1．2．4 基于数据挖掘方法的分类
1．2．5 基于数据挖掘应用的分类
1．3 数据挖掘研究的公开问题
1．4 国内外数据挖掘研究现状
1．4．1 关联规则挖掘
1．4．2 分类规则挖掘
1．4．3 聚类规则挖掘
1．4．4 Internet/Web数据挖掘
1．4．5 图像数据挖掘
1．4．6 数据挖掘过程中的计算智能方法
习题
延伸阅读
本章参考文献

第2章 KDD的理论基础
2．1 数学理论
2．1．1 统计学理论
2．1．2 支持向量机理论
2．1．3 模糊集理论
2．1．4 粗糙集理论
2．2 数学理论2
2．2．1 概率论基础
2．2．2 贝叶斯概率
2．2．3 贝叶斯学习理论
2．3 机器学习理论
2．4 数据库与数据仓库理论
2．5 可视化理论
2．6 图像数据库理论
2．6．1 图像特征数据立方体的模式
2．6．2 数据立方体的原语定义
习题
延伸阅读
本章参考文献

第3章 关联规则挖掘
3．1 关联规则的基本概念
3．2 关联规则的类型及挖掘算法
3．3 基于关系代数理论的关联规则挖掘
3．3．1 基于关系代数理论的关联规则挖掘算法ORAR
3．3．2 基于概念分层的泛化关联规则挖掘算法RGAR
3．3．3 模糊关联规则的挖掘算法
3．4 基于组织进化的关联规则挖掘
3．4．1 基于组织进化的关联规则挖掘算法
3．4．2 实验与结果分析
3．5 基于组织多层次进化的关联规则挖掘及其分析
3．5．1 基于组织多层次进化的关联规则挖掘
3．5．2 算法的计算复杂度分析
3．5．3 实验与结果分析
3．6 基于组织协同进化的Web日志挖掘
3．6．1 Web日志挖掘数据模型的建立
3．6．2 组织协同进化Web日志挖掘
3．6．3 算法分析
3．6．4 实验与结果分析
3．7 基于多克隆选择的多维关联规则挖掘
3．7．1 染色体的编码
3．7．2 亲和度函数的构造
3．7．3 基于多克隆选择的多维关联规则挖掘
3．7．4 实验与结果分析
3．8 基于免疫克隆选择算法的孤立点挖掘
3．8．1 孤立点挖掘
3．8．2 基于克隆选择算法的孤立点挖掘
3．8．3 实验与结果分析
习题
延伸阅读
本章参考文献

第4章 数据挖掘应用实例及可视化
4．1 测绘数据挖掘
4．1．1 测绘数据集描述
4．1．2 DEM提取地面坡度的不确定性研究与实验
4．1．3 同一地区不同地形因子对平均坡度的影响研究
4．2 分类挖掘机理与文档分类
4．2．1 分类的形式化定义
4．2．2 基于数据库的分类挖掘机理
4．2．3 虚拟数据库与Web挖掘
4．2．4 文本分类与降维技术
4．3 基于Petri网的可视化模型
4．3．1 可视化的常用工具
4．3．2 Petri网的基本概念
4．3．3 基于Petri网的鲁棒性的可视化模型
习题
延伸阅读
本章参考文献

第5章 数据挖掘中的图像表示与数据预处理
5．1 多尺度几何表示
5．1．1 Ridgelet变换
5．1．2 Curvelet变换
5．1．3 Contourlet变换
5．1．4 Brushlet变换
5．2 图像的稀疏表示
5．2．1 基于几何正则性的图像稀疏表示
5．2．2 基于CS理论的图像稀疏表示
5．3 图像去噪
5．3．1 基于空域的滤波方法
5．3．2 基于频域的滤波方法
5．4 图像的特征提取与选择
5．4．1 图像特征描述
5．4．2 图像特征提取
5．4．3 图像特征选择
习题
延伸阅读
本章参考文献

第6章 图像目标检测
6．1 目标检测背景
6．2 目标检测中的预处理和阈值分割
6．2．1 预处理
6．2．2 阈值分割
6．3 目标检测方法
6．3．1 光流法
6．3．2 背景差分法
6．3．3 帧间差分法
6．4 遥感图像变化检测
6．4．1 背景
6．4．2 变化检测的基本概念
6．4．3 变化检测的步骤
6．4．4 遥感图像的预处理
6．4．5 变化信息检测
6．4．6 检测结果评价
6．4．7 变化检测的主要方法
6．4．8 基于均值平移和多尺度分析的遥感图像变化检测方法
6．5 遥感图像道路检测
6．5．1 背景
6．5．2 遥感图像道路特征分析与提取方法
6．5．3 基于动态匹配与中心校正的道路半自动提取算法
习题
延伸阅读
本章参考文献

第7章 图像分割
7．1 图像分割的概念
7．2 图像分割的意义
7．3 传统图像分割方法
7．3．1 基于边缘的分割方法
7．3．2 基于区域的分割方法
7．3．3 实验与结果分析
7．4 模型驱动的分割方法
7．4．1 基于马尔可夫随机场模型的图像分割方法
7．4．2 基于模糊集理论的图像分割方法
7．4．3 基于数学形态学的图像分割方法
7．4．4 基于多尺度理论的图像分割方法
7．4．5 基于偏微分理论的图像分割方法
7．5 深度学习的分割方法
7．5．1 U-net网络结构
7．5．2 数据预处理
7．5．3 实验参数设置
7．5．4 评价指标
7．5．5 实验与结果分析
7．6 图像分割的应用
习题
延伸阅读
本章参考文献

第8章 图像分类与识别
8．1 图像目标分类与识别
8．1．1 图像目标分类与识别的研究
8．1．2 图像目标识别技术的关键问题
8．2 基于稀疏表示的图像分类
8．2．1 SIFT特征提取算法
8．2．2 构建特征金字塔
8．2．3 迁移学习
8．2．4 基于稀疏表示的图像分类
8．2．5 实验与结果分析
8．3 基于自适应PSO的人工免疫网络分类算法
8．3．1 标准PSO算法和自适应PSO算法
8．3．2 部分术语的定义
8．3．3 算法及其关键技术
8．3．4 算法的复杂度分析
8．3．5 实验与结果分析
8．3．6 算法参数分析
8．4 基于Curvelet+KFD特征提取的SAR目标识别
8．4．1 Curvelet变换
8．4．2 KFD降维
8．4．3 LSSVM训练和识别
8．5 基于多视角学习和加权的证据组合的SAR目标识别
8．5．1 引言
8．5．2 基于多视角学习的集成分类器
8．5．3 基本概率赋值函数的定义
8．5．4 加权的证据组合
8．5．5 实验与结果分析
8．6 基于深度学习的骨龄识别
8．6．1 骨龄的判定方法
8．6．2 图像校正
8．6．3 灰度分布标准化
8．6．4 形态学处理
8．6．5 实验与结果分析
习题
延伸阅读
本章参考文献