工業大數據融合體系結構與關鍵技術
高聰//王忠民//陳彥萍
- 出版商: 機械工業
- 出版日期: 2020-08-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- 頁數: 266
- 裝訂: 平裝
- ISBN: 7111658205
- ISBN-13: 9787111658207
-
相關分類:
大數據 Big-data
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
$480$379 -
$414$393 -
$403MATLAB 金融算法分析實戰 -- 基於機器學習的股票量化分析
-
$199分佈式網絡化系統信息融合
-
$449分佈式信息融合 -- 理論與方法
-
$500$490 -
$880$862 -
$352面向雲平臺的物聯網多源異構信息融合方法
-
$580$458 -
$880$836 -
$534$507 -
$474$450 -
$580$458 -
$336$319 -
$780$663 -
$556深度學習 500問 — AI 工程師面試寶典
-
$3,610$3,420 -
$680$537 -
$352機器視覺從入門到提高
-
$500$390 -
$1,750$1,715 -
$299$284 -
$811多源信息融合, 3/e
-
$704大數據驅動的機械裝備智能運維理論及應用
-
$509時間敏感網絡技術及發展趨勢
相關主題
商品描述
本書針對工業領域的數據融合體系結構和關鍵技術進行研究。
第1~2章介紹工業大數據的研究背景及現狀,分析了工業4.0、智能工廠、
工業無線傳感器網絡和傳感器雲領域現有的技術,
提出了多源異構數據的統一描述和管理機制,設計了基於傳感器雲技術的工業無線傳感器網絡,
實現了基於分佈式雲的數據感知和管理軟件;
第3~6章介紹大規模無線傳感器網絡的部署方案以及數據採集機制,
研究製造網絡的層次化結構,提出了工業過程數據的故障預測與質量預測模型,
針對時間序列的模式異常檢測提出了基於骨架的模式表示異常檢測方法,
針對時間序列的異常值檢測提出了基於最近鄰居集合的隔離型分佈式異常值檢測模型;
7章對全書內容進行總結並對未來進行展望。
本書內容完備、邏輯嚴謹,理論知識與實際應用相結合,
適合在相關領域開展研究的碩士、博士研究生以及其他科研工作者閱讀參考。
作者簡介
高聰
男,1985年11月生,西安電子科技大學計算機科學與技術專業學士,
計算機系統結構專業碩士、博士。
2015年12月至今,在西安郵電大學計算機學院任教,主要研究方向:
服務計算、網絡與信息安全、數據感知與融合等。
近5年來,主持陝西省教育廳自然科學專項科研項目1項(項目編號:17JK0711),
以第一作者發表英文論文7篇,其中被SCI檢索5篇、EI檢索5篇、CPCI-S檢索1篇,
獲得授權專利2項、授權軟件著作權9件,研究領域內相關科研報導見報3次。
目錄大綱
目錄
前言
第1章緒論
1.1工業4.0
1.1.1發展歷程
1.1.2設計原則
1.1.3成熟度模型
1.2信息物理系統
1.2.1發展階段
1.2.2體系結構
1.2.3關鍵技術
1.3大數據
1.3.1大數據的定義
1.3.2大數據帶來的挑戰
1.3.3大數據技術
1.3.4大數據管理
第2章工業無線傳感器網絡數據融合
2.1引言
2.1.1工業4.0與智能工廠
2.1.2傳感器雲
2.1. 3工業無線傳感器網絡與傳感器雲
2.2數據融合體系結構
2.2.1多源異構數據的統一描述與管理機制
2.2.2基於傳感器技術的工業無線傳感器網絡
2.3基於分佈式雲的數據感知與管理軟件
2.3 .1功能描述
2.3.2設計與實現
2.3.3典型應用場景
2.3.4運行環境及安裝流程
2.3.5使用說明
第3章面向工業4.0的數據採集機制
3.1引言
3.2設施位置問題
3.2.1設施位置問題概述
3.2.2 k中點問題
3.3低開銷的虛擬傳感器管理機制
3.3.1 k資源調度器
3.3.2漸進交換算法
3.3.3貪心算法
3.3.4 RK算法
3.4實驗與分析
3.4.1參數設置
3.4.2結果與分析
第4章工業過程數據的故障預測與質量預測
4.1引言
4.2相關工作與背景知識
4.3基於高斯過程回歸的預測模型
4.3.1單步預測模型
4.3.2基於時間序列的多步預測
4.3.3基於高斯過程回歸的基本模型和反饋模型
4.4實驗與分析
4.4.1 TE模擬平台
4.4.2對比實驗
4.4.3評價指標
4.4.4實驗核函數構建
4.4.5結果與分析
第5章時間序列數據的模式異常檢測
5.1引言
5.2相關工作
5.3定義
5.4骨架模式表示異常檢測方法
5.4.1基於可感知重要點的骨架表示
5.4.2模式表示
5.4.3基於骨架模式表示的異常檢測
5.5實驗與分析
5.5.1性能指標
5.5.2針對合成數據集的實驗
5.5.3針對真實數據集的實驗
第6章時間序列數據的異常值檢測
6.1引言
6.2異常值檢測技術綜述
6.2.1常見的異常值檢測技術
6.2.2隔離森林
6.2.3本地異常值因子
6.3基於最近鄰居集合的隔離方案
6.3.1問題陳述
6.3.2基於最近鄰居集合的隔離
6.3.3面向無線傳感器網絡的分佈式檢測模型
6.4實驗與分析
6.4.1數據集
6.4.2性能指標
6.4.3結果與分析
第7章總結與展望
參考文獻
主要縮略語對照表