內容簡介
《高等學校物聯網專業系列教材:物聯網智慧型技術》主要介紹了物聯網智慧型技術的理論及其相關算法，從知識管理、知識表達、知識推理、智慧型計算、機器學習等方面，對物聯網智慧型技術進行了詳細介紹，以期為讀者提供一個更為系統、綜合的物聯網智慧型技術體系。
本書內容豐富、詳略得當、專業性強，既可作為系統工程專業、計算機專業及通信等相關專業本科生及研究生的教材，也可作為高等學校學生畢業論文及畢業設計的參考資料，以及從事物聯網智慧型技術相關工作的專業人員的參考書。
圖書目錄
第1章 物聯網與商務智慧型
1.1 物聯網概述
1.1.1 物聯網的概念
1.1.2 物聯網的體系結構
1.1.3 物聯網的特點
1.1.4 物聯網的發展趨勢
1.2 商務智慧型
1.2.1 商務智慧型的定義
1.2.2 商務智慧型的功能及作用
1.2.3 商務智慧型的過程
1.3 商務智慧型的產生與發展過程
1.3.1 決策支持系統引發商務智慧型
1.3.2 數據倉庫實現商業信息的聚集
1.3.3 在線上分析產生多維數據
1.3.4 數據挖掘產生有價值的知識
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 商務智慧型的體系結構
1.5 主流商務智慧型產品
1.6 商務智慧型未來的發展趨勢
1.7 物聯網對商務智慧型活動的影響
1.8 物聯網環境下商務智慧型創新模式前景分析
本章小結
本章習題
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準
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 產生式表示法
2.4.1 產生式系統的基本概念
2.4.2 產生式系統的特點
2.4.3 產生式表示的知識種類及基本形式
2.4.4 產生式系統的構成
2.4.5 產生式系統的基本過程
2.4.6 產生式系統的控制策略
2.5 語義網路表示法
2.5.1 語義網路的基本概念
2.5.2 語義網路的表示
2.5.3 語義網路的推理過程
2.5.4 語義網路表示法的特徵
2.6 框架表示法
2.6.1 框架結構和框架表示
2.6.2 框架系統
2.6.3 框架表示法的特性
2.7 過程表示法
2.7.1 過程規則的組成
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 劇本的構成
2.8.3 劇本的推理
2.9 面向對象表示法
2.9.1 面向對象的基本概念
2.9.2 面向對象技術表示知識的方法
本章小結
本章習題
第3章 高級知識推理
3.1 推理的相關知識
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
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 謂詞公式的範式
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 證據不確定性的表示
3.3.3 組合證據不確定性的計算
3.3.4 不確定性的更新
3.3.5 結論不確定性的合成
3.4 證據理論
3.4.1 DS 理論的形式描述
3.4.2 證據理論的推理模型
本章小結
本章習題
第4章 專家系統
4.1 專家系統的定義、特點及其類型
4.1.1 專家系統的定義
4.1.2 專家系統的一般特點
4.1.3 專家系統的類型
4.2 專家系統的結構、功能及其基本原理
4.2.1 專家系統的結構及其基本功能
4.2.2 專家系統的基本原理
4.3 專家系統的開發
4.3.1 專家系統的開發過程
4.3.2 專家系統開發語言和工具
4.4 專家系統的發展趨勢及套用
4.4.1 專家系統的發展趨勢
4.4.2 專家系統的套用
本章小結
本章習題
第5章 知識管理系統
5.1 知識管理系統概述
5.1.1 知識管理系統的概念
5.1.2 知識管理系統的構建目標與實現途徑
5.1.3 知識管理系統的功能架構與實現框架
5.2 知識管理系統模型
5.2.1 從理論角度構建知識管理系統模型
5.2.2 從技術角度構建知識管理系統模型
5.3 知識管理系統在企業中的套用
5.3.1 知識管理系統在企業中的作用
5.3.2 知識管理系統在生產企業中套用
5.3.3 知識管理系統實現企業智慧型運營
5.4 知識管理與商務智慧型的關係
5.4.1 知識管理和商務智慧型的區別
5.4.2 知識管理和商務智慧型的共同點
5.4.3 知識管理與商務智慧型整合
本章小結
本章習題
第6章 神經網路與遺傳算法
6.1 生物神經元模型
6.2 人工神經網路概述
6.2.1 人工神經網路的發展
6.2.2 神經網路的特性
6.2.3 人工神經元模型
6.2.4 神經網路的分類
6.2.5 神經網路學習方法
6.3 向前神經網路模型
6.3.1 感知器算法及其套用
6.3.2 BP神經網路
6.4 Hopfield神經網路
6.5 遺傳算法
本章小結
本章習題
第7章 其他計算智慧型法
7.1 蟻群算法
7.1.1 蟻群算法的基礎
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 蟻群算法在多感測器管理中的套用
7.2 免疫克隆算法
7.2.1 算法原理基礎
7.2.2 免疫克隆算法運算元
7.2.3 免疫克隆算法的實現步驟
7.2.4 免疫克隆算法在感測器網路路由的套用
7.3 魚群算法
7.3.1 算法原理基礎
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感測網路覆蓋中的套用
7.4 粒子群最佳化算法
7.4.1 粒子群最佳化算法基礎分析
7.4.2 算法原理
7.4.3 粒子群算法參數
7.4.4 粒子群最佳化算法流程
7.4.5 粒子群最佳化算法在無線感測器網路定位中的套用
本章小結
本章習題
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工具的數學機理
8.1.3 知識表達系統
8.1.4 決策系統
8.2 連續屬性離散化方法
8.2.1 離散化問題的正規化描述
8.2.2 現有連續屬性離散化方法綜述
8.2.3 基於數據分布特徵的離散化方法
8.2.4 基於數據分區的離散化方法
8.2.5 不完備信息表的數據預處理方法
8.3 靜態決策系統分類算法
8.3.1 數據分析約簡算法中涉及的概念
8.3.2 數據分析約簡算法的描述
8.4 動態決策系統分類算法
8.4.1 增量式數據挖掘模型的提出
8.4.2 增量式數據挖掘模型的研究
本章小結
本章習題
第9章 機器學習
9.1 機器學習簡史
9.1.1 機器學習的發展歷史
9.1.2 機器學習的概念
9.1.3 機器學習系統的基本結構
9.2 機器學習的主要策略和方法
9.2.1 機械學習
9.2.2 指導學習
9.2.3 歸納學習
9.2.4 類比學習
9.2.5 解釋學習
9.2.6 其他學習策略
9.3 幾種常用的機器學習算法
9.3.1 決策樹算法
9.3.2 支持向量機
9.3.3 貝葉斯學習算法
本章小結
本章習題
第10章 multiagent多智慧型體
10.1 多智慧型體的概念與發展過程
10.1.1 智慧型體的定義
10.1.2 多智慧型體的發展歷史和研究領域
10.1.3 多智慧型體與自治智慧型體
10.1.4 智慧型體的學習
10.2 多智慧型體強化學習
10.2.1 馬爾可夫決策過程
10.2.2 多智慧型體環境下的強化學習
10.2.3 TD算法
10.2.4 Dyna算法
10.2.5 Q學習
10.3 博弈學習
本章小結
本章習題
第11章 自然語言與感知
11.1 自然語言理解的概念和發展過程
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 自然語言理解的發展歷史
11.2 自然語言理解研究的關鍵問題
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
本章習題
第12章 知識工程和數據挖掘
12.1 知識工程簡介
12.1.1 知識工程的相關概念和發展過程
12.1.2 知識管理與信息管理
12.2 數據挖掘和知識發現
12.2.1 數據挖掘與知識發現的概念、過程及方法
12.2.2 數據倉庫
12.3 常用的數據挖掘方法
12.3.1 關聯規則
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
本章習題
參考文獻
