目錄
前言
第1章 物聯網概述 1
1.1 引言 1
1.2 物聯網的特點 2
1.3 物聯網的全面感知 3
1.4 物聯網的智慧運算 3
1.5 物聯網的智慧分析 5
第2章 智能傳感器 9
2.1 引言 9
2.2 傳感器的基本原理 9
2.2.1 傳感器的定義 9
2.2.2 傳感器的結構 10
2.2.3 傳感器的應用模式 11
2.3 智能傳感器的基本原理 14
2.3.1 智能傳感器的定義 14
2.3.2 智能傳感器的產生 15
2.3.3 智能傳感器的功能 15
2.3.4 智能傳感器的特點 16
2.4 智能傳感器的系統結構 17
2.5 智能傳感器的實現 19
2.5.1 集成化 20
2.5.2 軟件化 23
2.6 智能傳感器數據校正技術 23
2.6.1 非線性自校正技術 23
2.6.2 軟件抗干擾技術 24
2.6.3 自補償技術 27
2.6.4 自檢技術 33
2.7 多傳感器信息融合 34
2.7.1 多傳感器信息類型及其融合方法 34
2.7.2 多傳感器信息融合過程 36
2.7.3 多傳感器信息融合結構 37
2.7.4 多傳感器信息融合方法 39
2.7.5 多傳感器融合實例 45
2.7.6 網絡化 46
2.8 應用實例 49
第3章 復雜網絡 52
3.1 引言 52
3.2 網絡的概念 53
3.3 復雜網絡的基本特征量 54
3.3.1 平均路徑長度 54
3.3.2 簇系數 54
3.3.3 度分布 54
3.3.4 介數 55
3.4 復雜網絡的基本模型 55
3.4.1 規(guī)則網絡 55
3.4.2 ER隨機網絡 56
3.4.3 小世界網絡 58
3.4.4 無標度網絡 61
3.5 物聯網信息傳播機制 62
3.5.1 研究模型的拓撲與建模 63
3.5.2 信息傳播模型搭建與分析 65
3.5.3 信息傳播動力學分析 66
第4章 無線傳感器網絡 69
4.1 引言 69
4.2 無線傳感器網絡結構與特點 71
4.2.1 網絡拓撲結構 73
4.2.2 傳感器節(jié)點結構 74
4.2.3 無線傳感器網絡協議棧 74
4.3 無線傳感器網絡協議 76
4.3.1 洪泛式路由協議 76
4.3.2 以數據為中心的路由協議 77
4.3.3 層次路由協議 79
4.3.4 基于位置信息的路由協議 81
4.3.5 路由協議的比較 81
4.4 無線傳感器網絡與互聯網融合 81
4.5 應用實例 83
4.5.1 工程背景描述 83
4.5.2 項目解決的關鍵問題 85
4.5.3 項目的研究方法與技術路線 86
第5章 嵌入式終端平臺 91
5.1 引言 91
5.2 嵌入式系統簡介 91
5.2.1 嵌入式系統 91
5.2.2 嵌入式系統的分類 94
5.2.3 嵌入式系統發(fā)展趨勢 95
5.3 嵌入式系統硬件 98
5.3.1 微處理器 98
5.3.2 存儲器 99
5.3.3 常用總線與接口 101
5.4 嵌入式系統軟件 104
5.4.1 嵌入式實時操作系統 104
5.4.2 RTOS體系結構 105
5.4.3 RTOS的衡量標準 106
5.4.4 RTOS的分類方法 106
5.4.5 RTOS的關鍵技術 107
5.5 主流嵌入式系統 108
5.6 VxWorks實時操作系統 109
5.6.1 VxWorks的體系結構 109
5.6.2 VxWorks內核分析 110
5.7 Linux實時操作系統 111
5.8 Windows CE實時操作系統 112
第6章 云計算平臺 117
6.1 引言 117
6.2 云計算的概念 118
6.3 云計算發(fā)展現狀 120
6.4 云計算實現機制 121
6.5 網格計算與云計算 123
6.6 MongoDB 126
6.6.1 NoSQL簡介 126
6.6.2 MongoDB簡介 128
6.6.3 MongoDB安裝與配置 130
6.6.4 體系結構 134
6.6.5 數據庫操作 138
6.6.6 管理端GUI工具 141
第7章 智慧數據爬蟲 142
7.1 網絡數據爬蟲簡介 142
7.1.1 為什么要在Web上爬行 143
7.1.2 爬行過程 143
7.1.3 智能爬行與聚焦爬蟲 149
7.1.4 網頁搜索策略 150
7.1.5 網頁分析算法 150
7.2 構建智慧爬蟲 152
7.2.1 核心算法 152
7.2.2 系統需求分析 153
7.2.3 網絡爬蟲體系結構 153
7.2.4 系統構造分析 154
7.2.5 爬行策略分析 155
7.2.6 URL抽取、解析與保存 155
7.3 開源爬蟲 157
7.3.1 Lucene 157
7.3.2 Nutch 159
第8章 智慧數據挖掘 162
8.1 數據挖掘 162
8.1.1 概論 162
8.1.2 數據挖掘研究的內容與本質 163
8.2 數據挖掘流程 165
8.3 數據挖掘的典型方法 167
8.3.1 神經網絡 169
8.3.2 遺傳算法 170
8.3.3 決策樹方法 171
8.3.4 粗集方法 172
8.3.5 覆蓋正例排斥反例方法 173
8.3.6 統計分析方法 173
8.3.7 模糊集方法 173
8.4 數據挖掘軟件 173
8.4.1 IBM Intelligent Miner 174
8.4.2 SAS Enterprise Miner 175
8.4.3 SPSS Clementine 176
8.5 大數據及相關技術 180
8.5.1 大數據發(fā)展歷程 180
8.5.2 大數據的代表技術 182
8.5.3 Hadoop體系結構 184
第9章 智慧語義搜索 188
9.1 智慧搜索引擎工作原理 189
9.2 本體語義 191
9.2.1 語義Web的概念 191
9.2.2 語義Web的體系結構 192
9.2.3 Web服務與語義Web服務 193
9.2.4 用OWL構建領域本體過程 195
9.2.5 本體構造工具Protégé 介紹 196
9.2.6 本體評估標準 197
9.3 語義Web服務的智能機器人控制 198
9.3.1 智能機器人控制領域的Web服務體系結構 198
9.3.2 模型設計和開發(fā)的基本原則 199
9.3.3 基于機械手本體的語義Web服務模型 199
9.3.4 語義Web服務的參數匹配分析 200
9.3.5 服務在參數上的匹配 201
9.3.6 參數的語義可推導 203
9.3.7 考慮參數語義的匹配算法 204
9.4 語義Web服務組合的控制流程實現 207
9.4.1 總體技術路線 207
9.4.2 實現WebService 208
9.4.3 組合服務的條件 211
9.4.4 組合服務的匹配 213
9.4.5 語義推理 218
9.4.6 組合服務的執(zhí)行 222
9.4.7 實驗結果與評價 222
參考文獻 225