空間數據智能導讀

特邀策劃人

喬少杰 教授，四川省級人才，四川省杰青，目前擔任四川省重點實驗室副主任，Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ｓｃｉｅｎｃｅａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ 主編。獲四川省科學技術進步二等獎２ 項和三等獎２ 項，四川省第十九次社會科學優秀成果三等獎１ 項，四川省計算機科學技術一等獎１ 項，八桂人工智能科學技術獎一等獎１ 項。主持四川省杰青項目、國家自然科學基金項目３ 項。在國內外有影響力的期刊和會議上發表論文１６０ 余篇，ＥＳＩ 高被引論文１ 篇。近５ 年在ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ、ＡＣＭ Ｔｒａｎｓａｃｔｉｏｎｓ 發表高質量論文２０ 余篇，多次獲得國內外會議論文最佳論文獎。

袁 冠 教授，目前擔任中國礦業大學計算機學院數據科學與工程系主任，Ｊｏｕｒｎａｌ ｏｆ Ｄａｔａ Ｓｃｉｅｎｃｅ ａｎｄＩｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ 編委。獲教育部科技進步二等獎１ 項，中國煤炭科學技術二等獎７ 項。主持國家自然科學基金、江蘇省自然科學基金、中國博士后科學基金（特別資助）等科研項目。在國內外有影響力的期刊和會議上發表論文８０ 余篇，主要研究方向包括時空大數據挖掘、圖神經網絡、個性化推薦等。

吳 濤 教授，博士生導師，重慶郵電大學文峰青年百人，重慶市網絡與信息安全技術工程實驗室常務副主任，重慶郵電大學網絡空間與智能安全重點實驗室副主任。獲四川省科學技術進步二等獎１ 項。主持國家自然科學基金面上和青年項目、國家重點研發計劃子課題、重慶市自然科學基金創新發展聯合基金重點項目、重慶市教委科學技術研究計劃重點項目等科研項目１０ 余項，在國內外高水平期刊和會議上發表學術論文５０ 余篇，其中中科院ＳＣＩ 一、二區及ＣＣＦ Ａ ／ Ｂ 類高水平論文３０ 余篇，ＥＳＩ 高被引論文１ 篇。擔任ＴＩＦＳ等期刊論文評審專家、中國人工智能學會吳文俊人工智能科學技術獎網評專家，以及Ｃｏｍｐｌｅｘ Ｎｅｔｗｏｒｋｓ ２０２３程序委員會委員、ＣＡＡＩ 第八屆全國大數據與社會計算學術會議（ＢＤＳＣ２０２３）程序委員會委員。

何 樂 副教授，深圳市高層次后備級人才，中國測繪學會智能化測繪工作委員會委員、重慶市產學研合作促進會理事。先后從事空間信息、城市計算、空間高性能計算等領域的研究工作，榮獲省部級獎項１ 項，主持國家自然科學基金、四川省自然科學基金、深圳自然科學基金等６ 項，參與重點研發計劃、中國科學院戰略先導、廣東省重點研發、深圳市重點研發／ 可持續發展等項目１０ 余項。在國內外有影響力的期刊和會議上發表論文３０ 余篇，授權發明專利８ 項。

內容導讀

隨著全球數字化轉型的深入推進，空間數據智能作為一項革新性技術，正在多個領域展現出其獨特的價值和廣闊的應用前景。借助空間數據智能技術不僅可以有效管理和分析龐大的時空信息、提煉出關鍵價值，而且能夠根據不同工程項目的實際需求，開發專屬應用方案，特別是在與無線電技術的融合過程中，空間數據智能為遙感、遙測、遙控等領域的創新發展提供了堅實基礎。這種深度融合有效突破了傳統技術在數據采集、硬件部署、技術創新和投入產出等方面的瓶頸，為無線電工程開辟了嶄新的發展道路。

為了系統性地向讀者展現空間數據智能與無線電技術深度融合的研究進展，更好地適應我國工程實踐的發展需求，深入探討空間數據智能在無線電領域的理論創新、技術突破及實踐應用，特組織本專題。

《空間數據智能中的軌跡大數據分析：多源融合與前沿進展》全面探討了軌跡數據的獲取、預處理、存儲、模式識別及預測分析等核心技術，總結了其在各類應用場景中的最新進展。將未來研究重點集中在多維度融合分析、實時軌跡處理與邊緣計算、隱私保護與數據安全、自適應軌跡挖掘算法。軌跡大數據的未來發展將依托更強大的計算能力、智能算法和隱私保護機制，通過跨領域的深度融合和應用擴展，推動軌跡數據在空間數據智能領域的創新與發展。

《群體智能驅動的時空軌跡預測技術綜述》對當前群體智能技術研究中常用的群體數據源進行了綜述，并介紹了群體智能的核心優化算法，如粒子群優化（Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）和蟻群優化（Ａｎｔ Ｃｏｌｏｎｙ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＡＣＯ）。同時，闡述了時空軌跡的表示方式，總結了基于概率和機器學習的時空軌跡預測方法，概述了群體智能驅動的軌跡預測技術路線。

《基于Ｄｅｎｓｅ Ｔｅａｃｈｅｒ 的半監督雙階段遙感目標檢測方法》針對遙感圖像中的有向物體檢測任務，提出了一種基于半監督學習的Ｄｅｎｓｅ ＲＣＮＮ 框架，旨在減少對大規模標注數據的依賴并提高檢測精度。在該框架中，利用教師－學生模型通過稠密偽標簽生成與一致性損失進行訓練，并結合偽標簽學習與數據擾動策略，以提升模型對無標注數據的有效利用率。

《基于ＵＮｅｔ 醫學圖像智能分割的網絡結構演變》回顧了醫學圖像分割技術的發展歷程，重點聚焦從原始ＵＮｅｔ 到最新ＳｗｉｎＵｎｅｔ 的演進過程，通過分析這些代表性網絡的架構創新和性能突破，揭示了醫學圖像分割技術從純ＣＮＮ 架構向ＣＮＮＴｒａｎｓｆｏｒｍｅｒ混合架構演進的發展趨勢?？臻g數據智能的引入為復雜解剖結構的精確識別提供了新的思路和解決方案，進一步推動了醫學圖像分割技術的發展。

《基于核支持向量機的電力系統暫態穩定評估模型》針對電力系統的暫態評估問題，構建了數據采集和特征提取模型，融合了空間數據智能技術。

通過引入支持向量機算法及核函數和馬氏距離，建立了基于核支持向量機（Ｋｅｒｎｅｌ Ｓｕｐｐｏｒｔ ＶｅｃｔｏｒＭａｃｈｉｎｅ，ＫＳＶＭ）的電力系統暫態評估模型。實驗結果表明，ＫＳＶＭ 算法在準確性和精確性上均優于其他傳統算法模型，對于電力系統的暫態和穩態評估也展現出了很大的優勢。

《基于ＹＯＬＯｖ５ＣＢＡＭ 模型的劃痕智能檢測》提出基于ＹＯＬＯｖ５ 模型進行的算法結構改進，引入注意力機制以改進現有的目標檢測算法。實驗結果表明，ＹＯＬＯｖ５ＣＢＡＭ 模型在劃痕檢測任務上表現出色，相較于原始ＹＯＬＯｖ５，尤其在精確率、召回率和ｍＡＰ＠ ０． ５ 上有著顯著提升。驗證了該模型對小目標劃痕檢測的準確性和魯棒性上有進一步提高。

《跨域圖像空間數據少樣本學習綜述》概述了當前主要的跨域圖像空間數據少樣本學習模型，并總結了不同方法的原理、優點與不足。對當前跨域圖像空間少樣本學習常用的數據集、基準進行了詳細介紹，并在主流基準上對經典模型的實驗結果進行對比與分析，指出了未來的研究方向。

《基于腦電與面部特征拼接融合的駕駛疲勞識別研究》提出了一種基于腦電（Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ，ＥＥＧ）與面部特征拼接融合的疲勞識別方法，提?。牛牛?信號的時域、頻域、非線性特征和面部特征，通過特征層信息融合方法進行特征拼接。此外，為提高面部特征識別速度，提出了一種改進的ＹＯＬＯｖ５＿ｍｏｂｉｌｅｎｅｔ 模型。通過實驗驗證了基于ＥＥＧ 與面部特征拼接的融合特征用于駕駛疲勞識別的可行性。

綜上所述，本專題全面展示了空間數據智能技術在軌跡大數據分析、電力系統評估、醫學圖像處理、遙感目標檢測及工業質檢等領域的理論創新、技術突破與實踐應用。涵蓋了從傳統算法到深度學習的技術演進，以及在實際場景中的具體應用與性能提升。通過對各領域前沿研究的系統總結，深入探討了空間數據智能技術面臨的挑戰與未來發展趨勢。希望本專題能為廣大讀者深入理解和研究空間數據智能技術提供有益啟示，搭建起學術交流與技術創新的平臺，推動我國空間數據智能與無線電技術的融合發展。