| | | | 傳感器信息處理及應用 工業技術 王祁等編著 科學出版社 97870303 | | 該商品所屬分類：圖書 -> ε | | 【市場價】 | 673-976元 | | 【優惠價】 | 421-610元 | | 【出版社】 | 科學出版社 | | 【ISBN】 | 9787030327918 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
出版社：科學出版社 ISBN：9787030327918 商品編碼：68389160208 開本：16開 出版時間：2012-01-01 頁數：422 字數：532000 代碼：90
"| 商品基本信息，請以下列介紹為準 | | 商品名稱： | 傳感器信息處理及應用 | | 作者： | 王祁等編著 | | 代碼： | 90.0 | | 出版社： | 科學出版社 | | 出版日期： | 2012-01-01 | | ISBN： | 9787030327918 | | 印次： | | | 版次： | 1 | | 裝幀： | 平裝 | | 開本： | 16開 |
| 內容簡介 | 各種自動化智能化測控繫統和設備中都安裝著大量不同種類的傳感器，它們產生的大量數據中包含著豐富的信息。王祁編寫的《傳感器信息處理及應用》介紹如何利用智能理論和方法處理傳感器信息並揭示繫統的內在規律，包括人工神經網絡、盲源分離、支持向量機、主成分分析、粒子群優化算法、小波熵、粗糙集、相關向量機、數據挖掘等理論方法，以及應用這些理論方法對傳感器信行處理的實例；如何利用信息處理方法對傳感行故障診斷和數據重構；介紹自確認傳感器原理及其信息處理方法；傳感器的信息融合及應用、無線傳感器網絡中的信息處理技術。本書還介紹多種新的信息處理方法及其在傳感器信息處理中的應用。注重理論聯繫實際，應用實例均取材於作者的科研項目和國內外新的研究成果。本書各章獨立，讀者可根據需要選讀。 《傳感器信息處理及應用》可作為電子信息、自動化、儀器科學與技術等專業的碩士生、博士生的教學用書，也可供相關領域的科研人員、工程技術人員參考。
|
| 目錄 | 前言
第1章 緒論
1.1 概述
1.1.1 傳感器與信息處理技術
1.1.2 傳感器數據處理與信息處理
1.1.3 傳感器信息處理的發展
1.2 傳感器數據處理
1.2.1 數字濾波
1.2.2 非線性校正
1.2.3 溫度補償
1.2.4 傳感器誤差處理
1.3 傳感器信息處理
1.3.1 傳感器信息處理的目的
1.3.2 多傳感器繫統中檢測數據的特點
1.3.3 本書的研究內容
參考文獻
第2章 基於智能理論的傳感器信息處理
2.1 基於盲源分離理論的傳感器信息處理
2.1.1 盲源分離基本理論
2.1.2 在傳感器信息處理中的應用實例
2.2 基於支持向量機的傳感器信息處理
2.2.1 SVM基本原理
2.2.2 多分類支持向量機
2.2.3 SVM模型參數選擇
2.2.4 小二乘支持向量回歸原理
2.2.5 支持向量機在傳感器信息處理中的應用實例
2.3 基於粒子群優化算法的傳感器信息處理
2.3.1 PSO基本原理
2.3.2 PSO的算法
2.3.3 粒子群優化算法在傳感器信息處理中的應用實例
2.4 基於小波熵理論的傳感器信息處理
2.4.1 小波分析基礎
2.4.2 小波熵基本原理
2.4.3 小波熵在傳感器信息處理中的應用實例
2.5 基於粗糙集理論的傳感器信息處理
2.5.1 粗糙集理論基本概念
2.5.2 粗糙集約簡概念
2.5.3 常用屬性約簡算法分析
2.5.4 粗糙集理論在試車臺繫統故障診斷中的應用
2.6 基於相關向量機的傳感器信息處理
2.6.1 RVM基本原理
2.6.2 RVM決策函數復雜度分析
2.6.3 RVM與SVM性能比較
2.6.4 相關向量機在傳感器信息處理中的應用實例
2.7 數據挖掘技術在多傳感器信息處理繫統中的應用
2.7.1 數據挖掘的概念
2.7.2 數據挖掘技術的功能
2.7.3 基於分類和預測的數據挖掘技術在多傳感器繫統中的應用
2.7.4 基於關聯準則的數據挖掘技術在多傳感器繫統中的應用
2.7.5 基於聚類分析的數據挖掘技術在多傳感器繫統中的應用
2.7.6 基於時間序列分析的數據挖掘技術在多傳感器繫統中的應用
參考文獻
第3章 基於神經網絡的傳感器信息處理
3.1 人工神經網絡
3.1.1 神經網絡概述
3.1.2 基本結構
3.2 BP神經網絡
3.2.1 B模型
3.2.2 BP學習算法
3.3 RBF神經網絡
3.3.1 RBF神經網絡的結構
3.3.2 RBF神經網絡的映射關繫
3.3.3 RBF網絡訓練的準則和常用算法
3.3.4 RBF神經網絡與BP神經網絡的比較
3.4 SOM神經網絡
3.4.1 Kohonen自組織映射網絡結構
3.4.2 Kohonen自組織映射算法
3.5 模糊神經網絡
3.5.1 模糊神經網絡簡介
3.5.2 模糊神經網絡實例
3.6 遺傳神經網絡
3.6.1 遺傳神經網絡簡介
3.6.2 遺傳神經網絡實例
3.7 小波神經網絡
3.7.1 小波神經網絡簡介
3.7.2 小波神經網絡實例
3.8灰色神經網絡
3.8.1 灰色神經網絡簡介
3.8.2 灰色神經網絡實例
3.9基於人工神經網絡的傳感器信息處理
3.9.1 BP網絡用於多種氣體分類
3.9.2 應用RBF神經網絡對混合氣體濃行定量測量
3.9.3 組合PCA與BP網絡混合氣體濃度測量
3.9.4 基於RBF神經網絡時間序列預測器的傳感器故障診斷
參考文獻
第4章 傳感器信息融合
4.1 概述
4.1.1 傳感器融合技術的產生和發展
4.1.2 傳感器融合的概念
4.1.3 傳感器融合的特點
|
| 編輯 | | 傳感器是當今科技發展的關鍵技術之一，作為信息獲取的源頭，它越來越多地受到人們的重視。現代傳感器正朝著微型化、數字化、集成化、智能化、網絡化、高精度和多功能的方向發展。 王祁編寫的《傳感器信息處理及應用》研究利用智能理論和方法對傳感器信行處理。 《傳感器信息處理及應用》介紹如何利用智能理論和方法處理傳感器信息並揭示繫統的內在規律。 |
" | | |
| | | | |
|
