特邀策劃人

喬少杰 教授，四川省級人才，四川省杰青，目前擔(dān)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(xué)技術(shù)進步二等獎２ 項和三等獎２ 項，四川省第十九次社會科學(xué)優(yōu)秀成果三等獎１ 項，四川省計算機科學(xué)技術(shù)一等獎１ 項，八桂人工智能科學(xué)技術(shù)獎一等獎１ 項。主持四川省杰青項目、國家自然科學(xué)基金項目３ 項。在國內(nèi)外有影響力的期刊和會議上發(fā)表論文１６０ 余篇，ＥＳＩ 高被引論文１ 篇。近５ 年在ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ、ＡＣＭ Ｔｒａｎｓａｃｔｉｏｎｓ 發(fā)表高質(zhì)量論文２０ 余篇，多次獲得國內(nèi)外會議論文最佳論文獎。

袁 冠 教授，目前擔(dān)任中國礦業(yè)大學(xué)計算機學(xué)院數(shù)據(jù)科學(xué)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(xué)技術(shù)二等獎７ 項。主持國家自然科學(xué)基金、江蘇省自然科學(xué)基金、中國博士后科學(xué)基金（特別資助）等科研項目。在國內(nèi)外有影響力的期刊和會議上發(fā)表論文８０ 余篇，主要研究方向包括時空大數(shù)據(jù)挖掘、圖神經(jīng)網(wǎng)絡(luò)、個性化推薦等。

吳 濤 教授，博士生導(dǎo)師，重慶郵電大學(xué)文峰青年百人，重慶市網(wǎng)絡(luò)與信息安全技術(shù)工程實驗室常務(wù)副主任，重慶郵電大學(xué)網(wǎng)絡(luò)空間與智能安全重點實驗室副主任。獲四川省科學(xué)技術(shù)進步二等獎１ 項。主持國家自然科學(xué)基金面上和青年項目、國家重點研發(fā)計劃子課題、重慶市自然科學(xué)基金創(chuàng)新發(fā)展聯(lián)合基金重點項目、重慶市教委科學(xué)技術(shù)研究計劃重點項目等科研項目１０ 余項，在國內(nèi)外高水平期刊和會議上發(fā)表學(xué)術(shù)論文５０ 余篇，其中中科院ＳＣＩ 一、二區(qū)及ＣＣＦ Ａ ／ Ｂ 類高水平論文３０ 余篇，ＥＳＩ 高被引論文１ 篇。擔(dān)任ＴＩＦＳ等期刊論文評審專家、中國人工智能學(xué)會吳文俊人工智能科學(xué)技術(shù)獎網(wǎng)評專家，以及Ｃｏｍｐｌｅｘ Ｎｅｔｗｏｒｋｓ ２０２３程序委員會委員、ＣＡＡＩ 第八屆全國大數(shù)據(jù)與社會計算學(xué)術(shù)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(xué)會智能化測繪工作委員會委員、重慶市產(chǎn)學(xué)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(lǐng)域的研究工作，榮獲省部級獎項１ 項，主持國家自然科學(xué)基金、四川省自然科學(xué)基金、深圳自然科學(xué)基金等６ 項，參與重點研發(fā)計劃、中國科學(xué)院戰(zhàn)略先導(dǎo)、廣東省重點研發(fā)、深圳市重點研發(fā)／ 可持續(xù)發(fā)展等項目１０ 余項。在國內(nèi)外有影響力的期刊和會議上發(fā)表論文３０ 余篇，授權(quán)發(fā)明專利８ 項。

內(nèi)容導(dǎo)讀

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

為了系統(tǒng)性地向讀者展現(xiàn)空間數(shù)據(jù)智能與無線電技術(shù)深度融合的研究進展，更好地適應(yīng)我國工程實踐的發(fā)展需求，深入探討空間數(shù)據(jù)智能在無線電領(lǐng)域的理論創(chuàng)新、技術(shù)突破及實踐應(yīng)用，特組織本專題。

《空間數(shù)據(jù)智能中的軌跡大數(shù)據(jù)分析：多源融合與前沿進展》全面探討了軌跡數(shù)據(jù)的獲取、預(yù)處理、存儲、模式識別及預(yù)測分析等核心技術(shù)，總結(jié)了其在各類應(yīng)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(shù)據(jù)安全、自適應(yīng)軌跡挖掘算法。軌跡大數(shù)據(jù)的未來發(fā)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(lǐng)域的深度融合和應(yīng)用擴展，推動軌跡數(shù)據(jù)在空間數(shù)據(jù)智能領(lǐng)域的創(chuàng)新與發(fā)展。

《群體智能驅(qū)動的時空軌跡預(yù)測技術(shù)綜述》對當前群體智能技術(shù)研究中常用的群體數(shù)據(jù)源進行了綜述，并介紹了群體智能的核心優(yōu)化算法，如粒子群優(yōu)化（Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）和蟻群優(yōu)化（Ａｎｔ Ｃｏｌｏｎｙ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＡＣＯ）。同時，闡述了時空軌跡的表示方式，總結(jié)了基于概率和機器學(xué)習(xí)的時空軌跡預(yù)測方法，概述了群體智能驅(qū)動的軌跡預(yù)測技術(shù)路線。

《基于Ｄｅｎｓｅ Ｔｅａｃｈｅｒ 的半監(jiān)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(wù)，提出了一種基于半監(jiān)督學(xué)習(xí)的Ｄｅｎｓｅ ＲＣＮＮ 框架，旨在減少對大規(guī)模標注數(shù)據(jù)的依賴并提高檢測精度。在該框架中，利用教師－學(xué)生模型通過稠密偽標簽生成與一致性損失進行訓(xùn)練，并結(jié)合偽標簽學(xué)習(xí)與數(shù)據(jù)擾動策略，以提升模型對無標注數(shù)據(jù)的有效利用率。

《基于ＵＮｅｔ 醫(yī)學(xué)圖像智能分割的網(wǎng)絡(luò)結(jié)構(gòu)演變》回顧了醫(yī)學(xué)圖像分割技術(shù)的發(fā)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(wǎng)絡(luò)的架構(gòu)創(chuàng)新和性能突破，揭示了醫(yī)學(xué)圖像分割技術(shù)從純ＣＮＮ 架構(gòu)向ＣＮＮＴｒａｎｓｆｏｒｍｅｒ混合架構(gòu)演進的發(fā)展趨勢?？臻g數(shù)據(jù)智能的引入為復(fù)雜解剖結(jié)構(gòu)的精確識別提供了新的思路和解決方案，進一步推動了醫(yī)學(xué)圖像分割技術(shù)的發(fā)展。

《基于核支持向量機的電力系統(tǒng)暫態(tài)穩(wěn)定評估模型》針對電力系統(tǒng)的暫態(tài)評估問題，構(gòu)建了數(shù)據(jù)采集和特征提取模型，融合了空間數(shù)據(jù)智能技術(shù)。

通過引入支持向量機算法及核函數(shù)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(tǒng)暫態(tài)評估模型。實驗結(jié)果表明，ＫＳＶＭ 算法在準確性和精確性上均優(yōu)于其他傳統(tǒng)算法模型，對于電力系統(tǒng)的暫態(tài)和穩(wěn)態(tài)評估也展現(xiàn)出了很大的優(yōu)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(jié)構(gòu)改進，引入注意力機制以改進現(xiàn)有的目標檢測算法。實驗結(jié)果表明，ＹＯＬＯｖ５ＣＢＡＭ 模型在劃痕檢測任務(wù)上表現(xiàn)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(shù)據(jù)少樣本學(xué)習(xí)綜述》概述了當前主要的跨域圖像空間數(shù)據(jù)少樣本學(xué)習(xí)模型，并總結(jié)了不同方法的原理、優(yōu)點與不足。對當前跨域圖像空間少樣本學(xué)習(xí)常用的數(shù)據(jù)集、基準進行了詳細介紹，并在主流基準上對經(jīng)典模型的實驗結(jié)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(shù)據(jù)智能技術(shù)在軌跡大數(shù)據(jù)分析、電力系統(tǒng)評估、醫(yī)學(xué)圖像處理、遙感目標檢測及工業(yè)質(zhì)檢等領(lǐng)域的理論創(chuàng)新、技術(shù)突破與實踐應(yīng)用。涵蓋了從傳統(tǒng)算法到深度學(xué)習(xí)的技術(shù)演進，以及在實際場景中的具體應(yīng)用與性能提升。通過對各領(lǐng)域前沿研究的系統(tǒng)總結(jié)，深入探討了空間數(shù)據(jù)智能技術(shù)面臨的挑戰(zhàn)與未來發(fā)展趨勢。希望本專題能為廣大讀者深入理解和研究空間數(shù)據(jù)智能技術(shù)提供有益啟示，搭建起學(xué)術(shù)交流與技術(shù)創(chuàng)新的平臺，推動我國空間數(shù)據(jù)智能與無線電技術(shù)的融合發(fā)展。