物联网智能技术PDF|Epub|txt|kindle电子书版本网盘下载

物联网智能技术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1章 物联网与商务智能1

1.1 物联网概述2

1.1.1 物联网的概念3

1.1.2 物联网的体系结构4

1.1.3 物联网的特点5

1.1.4 物联网的发展趋势6

1.2 商务智能8

1.2.1 商务智能的定义8

1.2.2 商务智能的功能及作用9

1.2.3 商务智能的过程10

1.3 商务智能的产生与发展过程11

1.3.1 决策支持系统引发商务智能11

1.3.2 数据仓库实现商业信息的聚集11

1.3.3 联机分析产生多维数据11

1.3.4 数据挖掘产生有价值的知识12

1.3.5 信息可视化提供最直观的视觉效果12

1.3.6 知识时代的竞争利器13

1.4 商务智能的体系结构13

1.5 主流商务智能产品14

1.6 商务智能未来的发展趋势16

1.7 物联网对商务智能活动的影响18

1.8 物联网环境下商务智能创新模式前景分析19

本章小结21

本章习题21

第2章 知识表示方法23

2.1 知识与知识表示24

2.1.1 知识24

2.1.2 知识表示27

2.1.3 知识表示方法29

2.1.4 衡量知识表示方法的标准30

2.2 一阶谓词逻辑表示法30

2.2.1 谓词逻辑30

2.2.2 一阶谓词演算31

2.3 与／或树表示法33

2.3.1 问题的分解与等价变换33

2.3.2 问题归约的与／或树表示34

2.3.3 与／或树表示法的求解步骤35

2.4 产生式表示法35

2.4.1 产生式系统的基本概念36

2.4.2 产生式系统的特点36

2.4.3 产生式表示的知识种类及基本形式36

2.4.4 产生式系统的构成37

2.4.5 产生式系统的基本过程41

2.4.6 产生式系统的控制策略42

2.5 语义网络表示法43

2.5.1 语义网络的基本概念43

2.5.2 语义网络的表示44

2.5.3 语义网络的推理过程47

2.5.4 语义网络表示法的特征48

2.6 框架表示法48

2.6.1 框架结构和框架表示49

2.6.2 框架系统51

2.6.3 框架表示法的特性53

2.7 过程表示法54

2.7.1 过程规则的组成54

2.7.2 过程表示的问题求解过程55

2.7.3 过程表示的特性56

2.8 剧本表示法56

2.8.1 概念依赖理论56

2.8.2 剧本的构成57

2.8.3 剧本的推理58

2.9 面向对象表示法59

2.9.1 面向对象的基本概念59

2.9.2 面向对象技术表示知识的方法61

本章小结62

本章习题62

第3章 高级知识推理63

3.1 推理的相关知识64

3.1.1 推理的概念64

3.1.2 推理方法及其分类64

3.1.3 推理的控制策略及其分类67

3.1.4 正向推理67

3.1.5 逆向推理69

3.1.6 混合推理70

3.2 推理的逻辑基础71

3.2.1 谓词公式的解释71

3.2.2 谓词公式的永真性与可满足性71

3.2.3 谓词公式的等价性与永真蕴涵性72

3.2.4 谓词公式的范式73

3.2.5 置换与合一74

3.3 主观Bayes方法76

3.3.1 知识不确定性的表示76

3.3.2 证据不确定性的表示76

3.3.3 组合证据不确定性的计算76

3.3.4 不确定性的更新77

3.3.5 结论不确定性的合成79

3.4 证据理论80

3.4.1 DS理论的形式描述80

3.4.2 证据理论的推理模型82

本章小结88

本章习题88

第4章 专家系统91

4.1 专家系统的定义、特点及其类型92

4.1.1 专家系统的定义92

4.1.2 专家系统的一般特点92

4.1.3 专家系统的类型93

4.2 专家系统的结构、功能及其基本原理96

4.2.1 专家系统的结构及其基本功能96

4.2.2 专家系统的基本原理97

4.3 专家系统的开发98

4.3.1 专家系统的开发过程99

4.3.2 专家系统开发语言和工具102

4.4 专家系统的发展趋势及应用106

4.4.1 专家系统的发展趋势106

4.4.2 专家系统的应用110

本章小结110

本章习题110

第5章 知识管理系统111

5.1 知识管理系统概述112

5.1.1 知识管理系统的概念112

5.1.2 知识管理系统的构建目标与实现途径112

5.1.3 知识管理系统的功能架构与实现框架117

5.2 知识管理系统模型119

5.2.1 从理论角度构建知识管理系统模型119

5.2.2 从技术角度构建知识管理系统模型120

5.3 知识管理系统在企业中的应用120

5.3.1 知识管理系统在企业中的作用121

5.3.2 知识管理系统在生产企业中应用121

5.3.3 知识管理系统实现企业智能运营122

5.4 知识管理与商务智能的关系123

5.4.1 知识管理和商务智能的区别123

5.4.2 知识管理和商务智能的共同点123

5.4.3 知识管理与商务智能整合124

本章小结125

本章习题126

第6章 神经网络与遗传算法127

6.1 生物神经元模型128

6.2 人工神经网络概述129

6.2.1 人工神经网络的发展129

6.2.2 神经网络的特性130

6.2.3 人工神经元模型132

6.2.4 神经网络的分类134

6.2.5 神经网络学习方法135

6.3 向前神经网络模型138

6.3.1 感知器算法及其应用138

6.3.2 BP神经网络141

6.4 Hopfield神经网络144

6.5 遗传算法146

本章小结150

本章习题150

第7章 其他计算智能法151

7.1 蚁群算法152

7.1.1 蚁群算法的基础152

7.1.2 蚁群算法的原理156

7.1.3 蚁群算法描述157

7.1.4 蚁群算法的特点158

7.1.5 蚁群算法在多传感器管理中的应用159

7.2 免疫克隆算法162

7.2.1 算法原理基础162

7.2.2 免疫克隆算法算子164

7.2.3 免疫克隆算法的实现步骤166

7.2.4 免疫克隆算法在传感器网络路由的应用167

7.3 鱼群算法169

7.3.1 算法原理基础169

7.3.2 鱼群算法描述171

7.3.3 鱼群算法分析171

7.3.4 人工鱼群算法在无线传感网络覆盖中的应用172

7.4 粒子群优化算法175

7.4.1 粒子群优化算法基础分析175

7.4.2 算法原理176

7.4.3 粒子群算法参数177

7.4.4 粒子群优化算法流程179

7.4.5 粒子群优化算法在无线传感器网络定位中的应用179

本章小结181

本章习题181

第8章 粗糙集合183

8.1 基本概念184

8.1.1 RSDA工具概述184

8.1.2 RSDA工具的数学机理186

8.1.3 知识表达系统190

8.1.4 决策系统191

8.2 连续属性离散化方法191

8.2.1 离散化问题的正规化描述192

8.2.2 现有连续属性离散化方法综述192

8.2.3 基于数据分布特征的离散化方法194

8.2.4 基于数据分区的离散化方法199

8.2.5 不完备信息表的数据预处理方法201

8.3 静态决策系统分类算法204

8.3.1 数据分析约简算法中涉及的概念205

8.3.2 数据分析约简算法的描述206

8.4 动态决策系统分类算法209

8.4.1 增量式数据挖掘模型的提出209

8.4.2 增量式数据挖掘模型的研究209

本章小结216

本章习题216

第9章 机器学习217

9.1 机器学习简史218

9.1.1 机器学习的发展历史218

9.1.2 机器学习的概念219

9.1.3 机器学习系统的基本结构220

9.2 机器学习的主要策略和方法221

9.2.1 机械学习222

9.2.2 指导学习222

9.2.3 归纳学习223

9.2.4 类比学习224

9.2.5 解释学习226

9.2.6 其他学习策略226

9.3 几种常用的机器学习算法227

9.3.1 决策树算法227

9.3.2 支持向量机231

9.3.3 贝叶斯学习算法233

本章小结235

本章习题235

第10章 multiagent多智能体237

10.1 多智能体的概念与发展过程238

10.1.1 智能体的定义238

10.1.2 多智能体的发展历史和研究领域239

10.1.3 多智能体与自治智能体241

10.1.4 智能体的学习242

10.2 多智能体强化学习243

10.2.1 马尔可夫决策过程243

10.2.2 多智能体环境下的强化学习246

10.2.3 TD算法247

10.2.4 Dyna算法248

10.2.5 Q学习249

10.3 博弈学习250

本章小结251

本章习题252

第11章 自然语言与感知253

11.1 自然语言理解的概念和发展过程254

11.1.1 自然语言的概念254

11.1.2 自然语言理解的概念254

11.1.3 自然语言理解的发展历史255

11.2 自然语言理解研究的关键问题257

11.2.1 词法分析257

11.2.2 句法分析260

11.2.3 语义分析263

11.2.4 语言的自动生成265

本章小结267

本章习题267

第12章 知识工程和数据挖掘269

12.1 知识工程简介270

12.1.1 知识工程的相关概念和发展过程270

12.1.2 知识管理与信息管理273

12.2 数据挖掘和知识发现276

12.2.1 数据挖掘与知识发现的概念、过程及方法276

12.2.2 数据仓库278

12.3 常用的数据挖掘方法280

12.3.1 关联规则280

12.3.2 时间序列分析282

12.3.3 聚类分析285

12.3.4 孤立点分析286

本章小结288

本章习题288

参考文献289