智能感知技术及在电气工程中的应用PDF|Epub|txt|kindle电子书版本网盘下载

智能感知技术及在电气工程中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 概述1

1.1 智能感知技术的定义与背景1

1.1.1 高维信息传感技术1

1.1.2 异构资源的感知计算技术2

1.1.3 智能感知技术应用2

1.2 本书的结构安排4

第二章 传感器技术5

2.1 传感器概述5

2.1.1 传感器的组成与分类5

2.1.2 传感器的基本特性7

2.2 传感器工作原理12

2.2.1 应变式传感器12

2.2.2 电感式传感器17

2.2.3 电容式传感器25

2.2.4 压电式传感器31

2.2.5 磁电式传感器35

2.2.6 霍尔式传感器38

2.2.7 热电式传感器40

2.2.8 光电式传感器44

2.2.9 半导体传感器48

2.3 传感器发展趋势与新型传感器技术52

2.3.1 传感器发展趋势52

2.3.2 新型传感器技术传感器54

2.4 本章小结59

第三章 传感网技术60

3.1 传感网技术概述60

3.1.1 传感网的起源60

3.1.2 传感网的发展现状61

3.1.3 传感网的体系结构65

3.1.4 传感网的核心技术68

3.1.5 传感网的主要特点69

3.1.6 传感网的应用领域70

3.1.7 传感网的主要应用案例71

3.2 工业传感网73

3.2.1 Zigbee网络技术73

3.2.2 工业现场总线77

3.2.3 工业以太网80

3.3 光载无线传感技术81

3.3.1 光载无线技术基本原理81

3.3.2 光载无线技术在工业感知的应用81

3.4 6LoWPAN传感网络82

3.4.1 6LoWPAN简介82

3.4.2 6LoWPAN协议栈体系结构83

3.4.3 6LoWPAN适配层85

3.4.4 6LoWPAN路由协议85

3.4.5 6LoWPAN传输层86

3.5 传感网关键技术87

3.5.1 拓扑控制87

3.5.2 能量管理89

3.6 本章小结90

第四章 传感数据融合技术91

4.1 概述91

4.1.1 多传感器数据融合的基本原理91

4.1.2 多传感器数据融合的过程92

4.1.3 数据融合系统的结构模型93

4.1.4 多传感器数据融合技术的应用领域95

4.2 多传感器数据融合的层次97

4.2.1 数据层融合97

4.2.2 特征层融合98

4.2.3 决策层融合100

4.2.4 三种融合层次的比较101

4.3 多传感器数据融合方法102

4.3.1 嵌入约束法102

4.3.2 证据组合法-Dempster-Shafer证据推理105

4.3.3 人工智能法107

4.4 物联网环境中情境融合及其服务提供框架111

4.4.1 三层两维物联网环境中的情境融合模型111

4.4.2 基于多属性决策的情境融合计算方法112

4.4.3 层次化、主动化的情境融合服务提供机制113

4.5 本章小结113

第五章 机器视觉技术114

5.1 机器视觉概述114

5.1.1 机器视觉的定义114

5.1.2 机器视觉的发展历程与趋势114

5.1.3 机器视觉系统的应用领域117

5.2 机器视觉系统的构成118

5.2.1 机器视觉系统结构118

5.2.2 相机118

5.2.3 光学镜头119

5.2.4 光源120

5.3 数字图像处理基础122

5.3.1 数字图像处理基本概念122

5.3.2 图像空间位置变换123

5.3.3 图像灰度插值123

5.3.4 二值化124

5.3.5 边缘检测125

5.3.6 形态学126

5.4 本章小结126

第六章 生物特征识别与智能感知技术127

6.1 概述127

6.2 生物特征识别技术简介128

6.2.1 虹膜识别技术128

6.2.2 视网膜识别技术130

6.2.3 面部识别技术131

6.2.4 签名识别技术136

6.2.5 语音识别137

6.2.6 指纹识别137

6.2.7 掌形识别140

6.2.8 掌纹识别140

6.2.9 步态识别142

6.2.10 其他生物特征识别技术144

6.3 生物特征传感器及智能感知147

6.3.1 新型指纹采集技术147

6.3.2 虹膜扫描识别149

6.3.3 脸部扫描识别器150

6.3.4 指纹静脉识别器150

6.3.5 双目多光谱手掌图像专用传感器151

6.3.6 心跳识别器151

6.4 生物特征智能感知152

6.5 基于深度学习的人脸识别155

6.5.1 神秘的深度学习155

6.5.2 深度学习的基本思想157

6.5.3 DeepID网络结构158

6.5.4 多CNN网络结构158

6.6 智能化时代生物特征识别的机遇与挑战159

6.6.1 机遇159

6.6.2 面临的挑战160

6.7 本章小结161

第七章 自然语言处理162

7.1 自然语言处理概述162

7.1.1 自然语言处理的定义162

7.1.2 自然语言处理的发展历史和趋势163

7.1.3 自然语言处理的特点和方向164

7.1.4 自然语言处理的技术基础165

7.1.5 自然语言处理工具和平台169

7.2 自然语言处理基础170

7.2.1 常用技术分类170

7.2.2 关键技术171

7.3 自然语言处理常用模型172

7.3.1 N元模型172

7.3.2 马尔可夫模型和隐马尔可夫模型172

7.3.3 最大熵模型173

7.3.4 支持向量机173

7.3.5 条件随机场174

7.3.6 常用模型分析175

7.4 自然语言处理的典型应用176

7.4.1 自然语言处理在教育中的应用176

7.4.2 自然语言处理在搜索引擎中的应用177

7.4.3 自然语言处理在信息检索中的应用178

7.4.4 自然语言处理在网络案情分析系统中的应用179

7.4.5 自然语言处理在问答系统中的应用180

7.4.6 自然语言处理在知识图谱中的应用180

7.5 未来研究的挑战与展望182

7.5.1 未来研究的挑战182

7.5.2 未来研究的展望182

7.6 本章小结184

第八章 脑认知与类脑计算185

8.1 主要国家脑研究计划185

8.1.1 欧盟“人脑工程”185

8.1.2 美国“脑计划”185

8.1.3 中国脑计划186

8.1.4 其他国家“脑计划”187

8.2 脑认知188

8.2.1 脑认知的物理学方法188

8.2.2 脑认知的神经学方法189

8.2.3 基于记忆、推理和注意的认知功能研究191

8.2.4 基于脉冲神经网络的脑区协同认知模型研究193

8.3 类脑智能195

8.3.1 类脑模型与类脑信息处理195

8.3.2 类脑芯片与类脑计算机平台196

8.3.3 脑机融合196

8.4 类脑智能研究进展与发展方向198

8.4.1 类脑智能研究进展198

8.4.2 类脑智能发展方向202

8.5 本章小结205

第九章 智能感知技术在电气工程中的应用206

9.1 概述206

9.2 多传感器数据融合技术在变压器故障诊断中的应用206

9.2.1 变压器故障诊断206

9.2.2 故障诊断与数据融合的关系207

9.2.3 变压器故障诊断系统结构207

9.2.4 实例208

9.3 机器视觉在包装印刷中的应用209

9.3.1 机器视觉印刷检测系统概述209

9.3.2 系统设计210

9.3.3 算法设计211

9.4 机器视觉在工业机器人工件自动分拣中的应用217

9.4.1 系统设计217

9.4.2 算法设计220

9.5 本章小结228

参考文献229