滿額折
多傳感器數據智能融合理論與應用（簡體書）
商品資訊
系列名：面向新工科普通高等教育系列教材
ISBN13：9787111675297
出版社：機械工業出版社
作者：戴亞平
出版日：2021/03/19
裝訂／頁數：平裝／154頁
規格：24cm*17cm (高/寬)
版次：一版
商品簡介
名人/編輯推薦
目次
相關商品
商品簡介
本書知識點明確、結構緊湊、思路清晰，通過理論與實例結合的方式，深入淺出地介紹了多傳感器數據智能融合的理論與應用技術。
全書共11章，包括多傳感器數據融合概述、數據融合結構與算法概論、貝葉斯推理方法、證據理論算法與數據融合、模糊理論及其在數據融合中的應用、人工神經網絡與數據融合算法、遺傳算法及其在數據融合中的應用、粒子群算法及其在數據融合中的應用、智能視頻監控系統的數據融合算法、深度學習及其在數據融合中的應用、多傳感器數據融合機器人平臺的設計與實現。每個章節中都配有必要的實例，目的在於讓讀者結合實例更加快捷地掌握多傳感器數據智能融合方法的設計與實現。
本書面向大專院校與科研機構中學習多傳感器數據智能融合理論的中、高級用戶，以及對該理論有一定基礎的工程技術人員，旨在幫助讀者快速掌握智能數據融合算法設計與實現的技巧和方法，強調對高年級大學生、研究生的實踐能力培養。
全書共11章，包括多傳感器數據融合概述、數據融合結構與算法概論、貝葉斯推理方法、證據理論算法與數據融合、模糊理論及其在數據融合中的應用、人工神經網絡與數據融合算法、遺傳算法及其在數據融合中的應用、粒子群算法及其在數據融合中的應用、智能視頻監控系統的數據融合算法、深度學習及其在數據融合中的應用、多傳感器數據融合機器人平臺的設計與實現。每個章節中都配有必要的實例，目的在於讓讀者結合實例更加快捷地掌握多傳感器數據智能融合方法的設計與實現。
本書面向大專院校與科研機構中學習多傳感器數據智能融合理論的中、高級用戶，以及對該理論有一定基礎的工程技術人員，旨在幫助讀者快速掌握智能數據融合算法設計與實現的技巧和方法，強調對高年級大學生、研究生的實踐能力培養。
名人/編輯推薦
以樸素的語言和經典實例，用圖文並茂的形式，向讀者生動展示智能多傳感器的專業知識
目次
目錄
前言
第1章多傳感器數據融合概述
1.1多傳感器數據融合基本描述
1.2多傳感器數據融合的基本原理描述
1.3數據融合技術的應用領域
1.3.1數據融合技術在機器人領域的應用
1.3.2數據融合技術在圖像處理領域的應用
1.4數據融合研究的國內外現狀簡介
1.5本書主要內容
參考文獻
習題與思考
第2章數據融合結構與算法概論
2.1多傳感器的數據融合架構
2.1.1集中式融合結構
2.1.2分布式融合結構
2.1.3混合式融合結構
2.2多傳感器系統的多層次融合分析
2.2.1多層集中式的數據融合結構
2.2.2多層分布式的數據融合結構
2.2.3多層混合式的數據融合結構
2.3多傳感器數據融合中的卡爾曼濾波理論
2.3.1卡爾曼濾波簡介
2.3.2序貫式卡爾曼濾波融合算法
2.4本章小結
參考文獻
習題與思考
第3章貝葉斯推理方法
3.1貝葉斯法則及其應用
3.2貝葉斯網絡
3.2.1貝葉斯網絡的數學模型
3.2.2貝葉斯網絡中的有向分離
3.2.3貝葉斯網絡的結構學習
3.3貝葉斯網絡推理計算應用實例
3.4本章小結
參考文獻
習題與思考
第4章證據理論算法與數據融合
4.1DS算法概述
4.2DS算法的理論體系
4.2.1識別框架
4.2.2支持度、似然度、不確定區間
4.2.3Dempster合成規則
4.3證據理論與貝葉斯判決理論的比較
4.4證據理論在圖像融合中的應用舉例
4.4.1基本概率賦值的獲取
4.4.2學生端坐狀態實驗
4.4.3學生左顧右盼狀態實驗
4.4.4學生埋頭狀態實驗
4.4.5複雜狀態實驗1
4.4.6複雜狀態實驗2
4.4.7與基於貝葉斯方法的行為分析與推理決策的比較
4.5本章小結
參考文獻
習題與思考
第5章模糊理論及其在數據融合中的應用
5.1概述
5.2模糊控制器的組成及其基本原理
5.2.1模糊控制器組成
5.2.2模糊計算原理
5.3一種球杆系統模糊控制器的設計與仿真
5.3.1球杆系統模糊控制器設計步驟
5.3.2球杆系統模糊控制器設計
5.3.3球杆系統模糊控制器仿真
5.3.4球杆系統模糊控制器改進與仿真
5.4多傳感器模糊融合推理
5.5本章小結
參考文獻
習題與思考
第6章人工神經網絡與數據融合方法
6.1人工神經網絡簡介
6.2BP神經網絡的結構與原理
6.2.1BP神經網絡的結構
6.2.2BP神經網絡算法的數學表達
6.3BP神經網絡與多傳感器數據融合算法
6.4Hopfield神經網絡原理及應用
6.4.1Hopfield神經網絡原理
6.4.2基於Hopfield神經網絡的路徑優化
6.5本章小結
參考文獻
習題與思考
第7章遺傳算法及其在數據融合中的應用
7.1遺傳算法簡介
7.2遺傳算法的基本操作
7.2.1選擇
7.2.2交叉
7.2.3變異
7.3遺傳算法的實現與應用舉例
7.3.1求函數y=x2在區間［0,31］範圍內的最大值
7.3.2一種基於多參數融合適應度函數的遺傳算法
7.3.3遺傳算法在空中目標航跡關聯融合中的應用
7.4本章小結
參考文獻
習題與思考
第8章粒子群算法及其在數據融合中的應用
8.1粒子群算法介紹
8.2基於動態權值的粒子群算法在多傳感器數據融合中的應用
8.3一種自適應模型集的交互多模型輔助粒子濾波算法
8.3.1機動目標跟蹤模型介紹
8.3.2交互多模型輔助粒子濾波算法
8.3.3算法特點分析
8.4本章小結
參考文獻
習題與思考
第9章智能視頻監控系統的數據融合算法
9.1智能視頻監控系統介紹
9.2多傳感器圖像融合方法
9.2.1基於多分辨率像素融合
9.2.2HOG算法介紹
9.2.3HOG特徵融合
9.3基於HOG特徵融合的人體檢測
9.3.1視覺激活度
9.3.2融合梯度方向直方圖
9.4運動目標的視頻檢測與跟蹤算法
9.4.1多個運動目標的跟蹤問題描述
9.4.2運動目標跟蹤中的多特徵數據融合方法
9.4.3分塊多特徵融合的多目標跟蹤
9.5本章小結
參考文獻
習題與思考
第10章深度學習及其在數據融合中的應用
10.1引言
10.2卷積神經網絡
10.2.1卷積操作
10.2.2池化操作
10.2.3空洞卷積
10.2.4非線性激活函數
10.2.5反向傳播算法
10.2.6卷積神經網絡的發展歷程
10.2.7深度學習開發框架
10.3長短期記憶網絡
10.3.1遺忘門
10.3.2輸入門
10.3.3輸出門
10.4生成對抗網絡
10.4.1簡介
10.4.2生成對抗網絡的優化目標函數
10.4.3生成對抗網絡對目標函數的優化
10.4.4一些經典的生成對抗網絡模型
10.5深度學習在多傳感器數據融合中的應用
10.5.1文本情感分析中的多特徵數據融合方法
10.5.2圖像融合中的多特徵數據融合方法
10.6本章小結
參考文獻
習題與思考
第11章多傳感器數據融合機器人平臺的設計與實現
11.1多傳感器數據融合機器人平臺的軟件設計
11.1.1機器人操作系統簡介
11.1.2基於ROS的機器人軟件設計方法
11.2多傳感器數據融合機器人平臺的硬件設計
11.2.1總體硬件方案
11.2.2關鍵硬件設備選型
11.3基於機器人平臺的多傳感器數據融合研究
11.4本章小結
參考文獻
習題與思考
前言
第1章多傳感器數據融合概述
1.1多傳感器數據融合基本描述
1.2多傳感器數據融合的基本原理描述
1.3數據融合技術的應用領域
1.3.1數據融合技術在機器人領域的應用
1.3.2數據融合技術在圖像處理領域的應用
1.4數據融合研究的國內外現狀簡介
1.5本書主要內容
參考文獻
習題與思考
第2章數據融合結構與算法概論
2.1多傳感器的數據融合架構
2.1.1集中式融合結構
2.1.2分布式融合結構
2.1.3混合式融合結構
2.2多傳感器系統的多層次融合分析
2.2.1多層集中式的數據融合結構
2.2.2多層分布式的數據融合結構
2.2.3多層混合式的數據融合結構
2.3多傳感器數據融合中的卡爾曼濾波理論
2.3.1卡爾曼濾波簡介
2.3.2序貫式卡爾曼濾波融合算法
2.4本章小結
參考文獻
習題與思考
第3章貝葉斯推理方法
3.1貝葉斯法則及其應用
3.2貝葉斯網絡
3.2.1貝葉斯網絡的數學模型
3.2.2貝葉斯網絡中的有向分離
3.2.3貝葉斯網絡的結構學習
3.3貝葉斯網絡推理計算應用實例
3.4本章小結
參考文獻
習題與思考
第4章證據理論算法與數據融合
4.1DS算法概述
4.2DS算法的理論體系
4.2.1識別框架
4.2.2支持度、似然度、不確定區間
4.2.3Dempster合成規則
4.3證據理論與貝葉斯判決理論的比較
4.4證據理論在圖像融合中的應用舉例
4.4.1基本概率賦值的獲取
4.4.2學生端坐狀態實驗
4.4.3學生左顧右盼狀態實驗
4.4.4學生埋頭狀態實驗
4.4.5複雜狀態實驗1
4.4.6複雜狀態實驗2
4.4.7與基於貝葉斯方法的行為分析與推理決策的比較
4.5本章小結
參考文獻
習題與思考
第5章模糊理論及其在數據融合中的應用
5.1概述
5.2模糊控制器的組成及其基本原理
5.2.1模糊控制器組成
5.2.2模糊計算原理
5.3一種球杆系統模糊控制器的設計與仿真
5.3.1球杆系統模糊控制器設計步驟
5.3.2球杆系統模糊控制器設計
5.3.3球杆系統模糊控制器仿真
5.3.4球杆系統模糊控制器改進與仿真
5.4多傳感器模糊融合推理
5.5本章小結
參考文獻
習題與思考
第6章人工神經網絡與數據融合方法
6.1人工神經網絡簡介
6.2BP神經網絡的結構與原理
6.2.1BP神經網絡的結構
6.2.2BP神經網絡算法的數學表達
6.3BP神經網絡與多傳感器數據融合算法
6.4Hopfield神經網絡原理及應用
6.4.1Hopfield神經網絡原理
6.4.2基於Hopfield神經網絡的路徑優化
6.5本章小結
參考文獻
習題與思考
第7章遺傳算法及其在數據融合中的應用
7.1遺傳算法簡介
7.2遺傳算法的基本操作
7.2.1選擇
7.2.2交叉
7.2.3變異
7.3遺傳算法的實現與應用舉例
7.3.1求函數y=x2在區間［0,31］範圍內的最大值
7.3.2一種基於多參數融合適應度函數的遺傳算法
7.3.3遺傳算法在空中目標航跡關聯融合中的應用
7.4本章小結
參考文獻
習題與思考
第8章粒子群算法及其在數據融合中的應用
8.1粒子群算法介紹
8.2基於動態權值的粒子群算法在多傳感器數據融合中的應用
8.3一種自適應模型集的交互多模型輔助粒子濾波算法
8.3.1機動目標跟蹤模型介紹
8.3.2交互多模型輔助粒子濾波算法
8.3.3算法特點分析
8.4本章小結
參考文獻
習題與思考
第9章智能視頻監控系統的數據融合算法
9.1智能視頻監控系統介紹
9.2多傳感器圖像融合方法
9.2.1基於多分辨率像素融合
9.2.2HOG算法介紹
9.2.3HOG特徵融合
9.3基於HOG特徵融合的人體檢測
9.3.1視覺激活度
9.3.2融合梯度方向直方圖
9.4運動目標的視頻檢測與跟蹤算法
9.4.1多個運動目標的跟蹤問題描述
9.4.2運動目標跟蹤中的多特徵數據融合方法
9.4.3分塊多特徵融合的多目標跟蹤
9.5本章小結
參考文獻
習題與思考
第10章深度學習及其在數據融合中的應用
10.1引言
10.2卷積神經網絡
10.2.1卷積操作
10.2.2池化操作
10.2.3空洞卷積
10.2.4非線性激活函數
10.2.5反向傳播算法
10.2.6卷積神經網絡的發展歷程
10.2.7深度學習開發框架
10.3長短期記憶網絡
10.3.1遺忘門
10.3.2輸入門
10.3.3輸出門
10.4生成對抗網絡
10.4.1簡介
10.4.2生成對抗網絡的優化目標函數
10.4.3生成對抗網絡對目標函數的優化
10.4.4一些經典的生成對抗網絡模型
10.5深度學習在多傳感器數據融合中的應用
10.5.1文本情感分析中的多特徵數據融合方法
10.5.2圖像融合中的多特徵數據融合方法
10.6本章小結
參考文獻
習題與思考
第11章多傳感器數據融合機器人平臺的設計與實現
11.1多傳感器數據融合機器人平臺的軟件設計
11.1.1機器人操作系統簡介
11.1.2基於ROS的機器人軟件設計方法
11.2多傳感器數據融合機器人平臺的硬件設計
11.2.1總體硬件方案
11.2.2關鍵硬件設備選型
11.3基於機器人平臺的多傳感器數據融合研究
11.4本章小結
參考文獻
習題與思考
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。