物聯(lián)網(wǎng)智能技術(shù)

內(nèi)容概要

本書主要介紹了物聯(lián)網(wǎng)智能技術(shù)的理論及其相關(guān)算法，從知識管理、知識表達、知識推理、智能計算、機器學(xué)習(xí)等方面，對物聯(lián)網(wǎng)智能技術(shù)進行了詳細介紹，以期為讀者提供一個更為系統(tǒng)、綜合的物聯(lián)網(wǎng)智能技術(shù)體系。
本書內(nèi)容豐富、詳略得當(dāng)、專業(yè)性強，既可作為系統(tǒng)工程專業(yè)、計算機專業(yè)及通信等相關(guān)專業(yè)本科生及研究生的教材，也可作為高等學(xué)校學(xué)生畢業(yè)論文及畢業(yè)設(shè)計的參考資料，以及從事物聯(lián)網(wǎng)智能技術(shù)相關(guān)工作的專業(yè)人員的參考書。

書籍目錄

第1章 物聯(lián)網(wǎng)與商務(wù)智能
1.1 物聯(lián)網(wǎng)概述
1.1.1 物聯(lián)網(wǎng)的概念
1.1.2 物聯(lián)網(wǎng)的體系結(jié)構(gòu)
1.1.3 物聯(lián)網(wǎng)的特點
1.1.4 物聯(lián)網(wǎng)的發(fā)展趨勢
1.2 商務(wù)智能
1.2.1 商務(wù)智能的定義
1.2.2 商務(wù)智能的功能及作用
1.2.3 商務(wù)智能的過程
1.3 商務(wù)智能的產(chǎn)生與發(fā)展過程
1.3.1 決策支持系統(tǒng)引發(fā)商務(wù)智能
1.3.2 數(shù)據(jù)倉庫實現(xiàn)商業(yè)信息的聚集
1.3.3 聯(lián)機分析產(chǎn)生多維數(shù)據(jù)
1.3.4 數(shù)據(jù)挖掘產(chǎn)生有價值的知識
1.3.5 信息可視化提供最直觀的視覺效果
1.3.6 知識時代的競爭利器
1.4 商務(wù)智能的體系結(jié)構(gòu)
1.5 主流商務(wù)智能產(chǎn)品
1.6 商務(wù)智能未來的發(fā)展趨勢
1.7 物聯(lián)網(wǎng)對商務(wù)智能活動的影響
1.8 物聯(lián)網(wǎng)環(huán)境下商務(wù)智能創(chuàng)新模式前景分析
本章小結(jié)
本章習(xí)題
第2章 知識表示方法
2.1 知識與知識表示
2.1.1 知識
2.1.2 知識表示
2.1.3 知識表示方法
2.1.4 衡量知識表示方法的標(biāo)準(zhǔn)
2.2 一階謂詞邏輯表示法
2.2.1 謂詞邏輯
2.2.2 一階謂詞演算
2.3 與?/?或樹表示法
2.3.1 問題的分解與等價變換
2.3.2 問題歸約的與/或樹表示
2.3.3 與／或樹表示法的求解步驟
2.4 產(chǎn)生式表示法
2.4.1 產(chǎn)生式系統(tǒng)的基本概念
2.4.2 產(chǎn)生式系統(tǒng)的特點
2.4.3 產(chǎn)生式表示的知識種類及基本形式
2.4.4 產(chǎn)生式系統(tǒng)的構(gòu)成
2.4.5 產(chǎn)生式系統(tǒng)的基本過程
2.4.6 產(chǎn)生式系統(tǒng)的控制策略
2.5 語義網(wǎng)絡(luò)表示法
2.5.1 語義網(wǎng)絡(luò)的基本概念
2.5.2 語義網(wǎng)絡(luò)的表示
2.5.3 語義網(wǎng)絡(luò)的推理過程
2.5.4 語義網(wǎng)絡(luò)表示法的特征
2.6 框架表示法
2.6.1 框架結(jié)構(gòu)和框架表示
2.6.2 框架系統(tǒng)
2.6.3 框架表示法的特性
2.7 過程表示法
2.7.1 過程規(guī)則的組成
2.7.2 過程表示的問題求解過程
2.7.3 過程表示的特性
2.8 劇本表示法
2.8.1 概念依賴理論
2.8.2 劇本的構(gòu)成
2.8.3 劇本的推理
2.9 面向?qū)ο蟊硎痉?br />2.9.1 面向?qū)ο蟮幕靖拍?br />2.9.2 面向?qū)ο蠹夹g(shù)表示知識的方法
本章小結(jié)
本章習(xí)題
第3章 高級知識推理
3.1 推理的相關(guān)知識
3.1.1 推理的概念
3.1.2 推理方法及其分類
3.1.3 推理的控制策略及其分類
3.1.4 正向推理
3.1.5 逆向推理
3.1.6 混合推理
3.2 推理的邏輯基礎(chǔ)
3.2.1 謂詞公式的解釋
3.2.2 謂詞公式的永真性與可滿足性
3.2.3 謂詞公式的等價性與永真蘊涵性
3.2.4 謂詞公式的范式
3.2.5 置換與合一
3.3 主觀Bayes方法
3.3.1 知識不確定性的表示
3.3.2 證據(jù)不確定性的表示
3.3.3 組合證據(jù)不確定性的計算
3.3.4 不確定性的更新
3.3.5 結(jié)論不確定性的合成
3.4 證據(jù)理論
3.4.1 DS 理論的形式描述
3.4.2 證據(jù)理論的推理模型
本章小結(jié)
本章習(xí)題
第4章 專家系統(tǒng)
4.1 專家系統(tǒng)的定義、特點及其類型
4.1.1 專家系統(tǒng)的定義
4.1.2 專家系統(tǒng)的一般特點
4.1.3 專家系統(tǒng)的類型
4.2 專家系統(tǒng)的結(jié)構(gòu)、功能及其基本原理
4.2.1 專家系統(tǒng)的結(jié)構(gòu)及其基本功能
4.2.2 專家系統(tǒng)的基本原理
4.3 專家系統(tǒng)的開發(fā)
4.3.1 專家系統(tǒng)的開發(fā)過程
4.3.2 專家系統(tǒng)開發(fā)語言和工具
4.4 專家系統(tǒng)的發(fā)展趨勢及應(yīng)用
4.4.1 專家系統(tǒng)的發(fā)展趨勢
4.4.2 專家系統(tǒng)的應(yīng)用
本章小結(jié)
本章習(xí)題
第5章 知識管理系統(tǒng)
5.1 知識管理系統(tǒng)概述
5.1.1 知識管理系統(tǒng)的概念
5.1.2 知識管理系統(tǒng)的構(gòu)建目標(biāo)與實現(xiàn)途徑
5.1.3 知識管理系統(tǒng)的功能架構(gòu)與實現(xiàn)框架
5.2 知識管理系統(tǒng)模型
5.2.1 從理論角度構(gòu)建知識管理系統(tǒng)模型
5.2.2 從技術(shù)角度構(gòu)建知識管理系統(tǒng)模型
5.3 知識管理系統(tǒng)在企業(yè)中的應(yīng)用
5.3.1 知識管理系統(tǒng)在企業(yè)中的作用
5.3.2 知識管理系統(tǒng)在生產(chǎn)企業(yè)中應(yīng)用
5.3.3 知識管理系統(tǒng)實現(xiàn)企業(yè)智能運營
5.4 知識管理與商務(wù)智能的關(guān)系
5.4.1 知識管理和商務(wù)智能的區(qū)別
5.4.2 知識管理和商務(wù)智能的共同點
5.4.3 知識管理與商務(wù)智能整合
本章小結(jié)
本章習(xí)題
第6章 神經(jīng)網(wǎng)絡(luò)與遺傳算法
6.1 生物神經(jīng)元模型
6.2 人工神經(jīng)網(wǎng)絡(luò)概述
6.2.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
6.2.2 神經(jīng)網(wǎng)絡(luò)的特性
6.2.3 人工神經(jīng)元模型
6.2.4 神經(jīng)網(wǎng)絡(luò)的分類
6.2.5 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
6.3 向前神經(jīng)網(wǎng)絡(luò)模型
6.3.1 感知器算法及其應(yīng)用
6.3.2 BP神經(jīng)網(wǎng)絡(luò)
6.4 Hopfield神經(jīng)網(wǎng)絡(luò)
6.5 遺傳算法
本章小結(jié)
本章習(xí)題
第7章 其他計算智能法
7.1 蟻群算法
7.1.1 蟻群算法的基礎(chǔ)
7.1.2 蟻群算法的原理
7.1.3 蟻群算法描述
7.1.4 蟻群算法的特點
7.1.5 蟻群算法在多傳感器管理中的應(yīng)用
7.2 免疫克隆算法
7.2.1 算法原理基礎(chǔ)
7.2.2 免疫克隆算法算子
7.2.3 免疫克隆算法的實現(xiàn)步驟
7.2.4 免疫克隆算法在傳感器網(wǎng)絡(luò)路由的應(yīng)用
7.3 魚群算法
7.3.1 算法原理基礎(chǔ)
7.3.2 魚群算法描述
7.3.3 魚群算法分析
7.3.4 人工魚群算法在無線傳感網(wǎng)絡(luò)覆蓋中的應(yīng)用
7.4 粒子群優(yōu)化算法
7.4.1 粒子群優(yōu)化算法基礎(chǔ)分析
7.4.2 算法原理
7.4.3 粒子群算法參數(shù)
7.4.4 粒子群優(yōu)化算法流程
7.4.5 粒子群優(yōu)化算法在無線傳感器網(wǎng)絡(luò)定位中的應(yīng)用
本章小結(jié)
本章習(xí)題
第8章 粗糙集合
8.1 基本概念
8.1.1 RSDA工具概述
8.1.2 RSDA工具的數(shù)學(xué)機理
8.1.3 知識表達系統(tǒng)
8.1.4 決策系統(tǒng)
8.2 連續(xù)屬性離散化方法
8.2.1 離散化問題的正規(guī)化描述
8.2.2 現(xiàn)有連續(xù)屬性離散化方法綜述
8.2.3 基于數(shù)據(jù)分布特征的離散化方法
8.2.4 基于數(shù)據(jù)分區(qū)的離散化方法
8.2.5 不完備信息表的數(shù)據(jù)預(yù)處理方法
8.3 靜態(tài)決策系統(tǒng)分類算法
8.3.1 數(shù)據(jù)分析約簡算法中涉及的概念
8.3.2 數(shù)據(jù)分析約簡算法的描述
8.4 動態(tài)決策系統(tǒng)分類算法
8.4.1 增量式數(shù)據(jù)挖掘模型的提出
8.4.2 增量式數(shù)據(jù)挖掘模型的研究
本章小結(jié)
本章習(xí)題
第9章 機器學(xué)習(xí)
9.1 機器學(xué)習(xí)簡史
9.1.1 機器學(xué)習(xí)的發(fā)展歷史
9.1.2 機器學(xué)習(xí)的概念
9.1.3 機器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
9.2 機器學(xué)習(xí)的主要策略和方法
9.2.1 機械學(xué)習(xí)
9.2.2 指導(dǎo)學(xué)習(xí)
9.2.3 歸納學(xué)習(xí)
9.2.4 類比學(xué)習(xí)
9.2.5 解釋學(xué)習(xí)
9.2.6 其他學(xué)習(xí)策略
9.3 幾種常用的機器學(xué)習(xí)算法
9.3.1 決策樹算法
9.3.2 支持向量機
9.3.3 貝葉斯學(xué)習(xí)算法
本章小結(jié)
本章習(xí)題
第10章 multiagent多智能體
10.1 多智能體的概念與發(fā)展過程
10.1.1 智能體的定義
10.1.2 多智能體的發(fā)展歷史和研究領(lǐng)域
10.1.3 多智能體與自治智能體
10.1.4 智能體的學(xué)習(xí)
10.2 多智能體強化學(xué)習(xí)
10.2.1 馬爾可夫決策過程
10.2.2 多智能體環(huán)境下的強化學(xué)習(xí)
10.2.3 TD算法
10.2.4 Dyna算法
10.2.5 Q學(xué)習(xí)
10.3 博弈學(xué)習(xí)
本章小結(jié)
本章習(xí)題
第11章 自然語言與感知
11.1 自然語言理解的概念和發(fā)展過程
11.1.1 自然語言的概念
11.1.2 自然語言理解的概念
11.1.3 自然語言理解的發(fā)展歷史
11.2 自然語言理解研究的關(guān)鍵問題
11.2.1 詞法分析
11.2.2 句法分析
11.2.3 語義分析
11.2.4 語言的自動生成
本章小結(jié)
本章習(xí)題
第12章 知識工程和數(shù)據(jù)挖掘
12.1 知識工程簡介
12.1.1 知識工程的相關(guān)概念和發(fā)展過程
12.1.2 知識管理與信息管理
12.2 數(shù)據(jù)挖掘和知識發(fā)現(xiàn)
12.2.1 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的概念、過程及方法
12.2.2 數(shù)據(jù)倉庫
12.3 常用的數(shù)據(jù)挖掘方法
12.3.1 關(guān)聯(lián)規(guī)則
12.3.2 時間序列分析
12.3.3 聚類分析
12.3.4 孤立點分析
本章小結(jié)
本章習(xí)題
參考文獻

章節(jié)摘錄

版權(quán)頁：   插圖：    （2）不確定性。由于現(xiàn)實世界的復(fù)雜性和人們認識事物的局限性，可能會使知識帶有一些不確定性。知識的不確定件包括不完整性、不精確性與模糊性。 知識的不完整性是指在解決問題時不具備解決該問題所需要的全部知識。從人類對客觀事物的認識過程來看，一般遵循由部分到整體、由感性到理性、由表面到本質(zhì)等規(guī)律，這種部分的、感性的、表面的認識，都反映了知識的不完整性。事實上，人們求解問題的過程，很多都是在知識不全面的情況下開始思考并最終使問題得以解決的。例如，醫(yī)生在看病時，能夠了解到的往往只是病人的一部分癥狀，醫(yī)生對病人的診斷和治療一般都是在這種知識不完整的情況下進行的。知識的不完整性又可能會導(dǎo)致知識的不精確性和模糊性。 知識的不精確性是指知識所具有的既不能完全被確定為真，又不能完全被確定為假的特性。例如，在專家系統(tǒng)中，其知識一般來源于領(lǐng)域?qū)＜业慕?jīng)驗，即領(lǐng)域?qū)＜以陂L期工作和研究實踐中積累起來的知識。對于這些知識，領(lǐng)域?qū)＜乙话愣寄軌蜢`活、高效地運用，但要精確地將其描述出來卻比較困難。通常，知識的不精確性是用"置信度"來描述的。 知識的模糊性是指知識的"邊界"不明確的特性。由于某些概念之間存在著模糊關(guān)系，那么當(dāng)用這些概念構(gòu)成知識時，就使得人們很難把兩個類似的知識嚴格區(qū)分開來。例如，"好"與"比較好"是兩個模糊的概念。當(dāng)評價一個人時，好到什么程度算比較好，好到什么程度算好，就很難區(qū)分了。所以，知識的模糊性通常是用"模糊隸屬度"來度量的。 （3）矛盾性和相容性。矛盾性是指同一個知識集中的不同知識之間的相互對立或不一致性。也就是指，從這些知識出發(fā)，會推出不一致的結(jié)論。相容性是指同一個知識集中的所有知識之間互相不矛盾，因此也稱為知識的一致性，即從這些知識出發(fā)，不能從中推出一對互相矛盾的結(jié)論。 （4）可表示性與可利用性?？杀硎拘允侵钢R可以用適當(dāng)?shù)男问奖硎境鰜?。例如，語言、文字、圖形、神經(jīng)網(wǎng)絡(luò)等。知識的可表示性為知識的存儲、傳播和利用奠定了基礎(chǔ)。知識的可利用性是指知識可以被用來解決各種各樣的問題。

圖書封面

評論、評分、閱讀與下載

---

    物聯(lián)網(wǎng)智能技術(shù) PDF格式下載

---