书籍详情
分布式网络化系统信息融合
作者：暂缺
出版社：清华大学出版社
出版时间：2018-11-01
ISBN：9787302507819
定价：¥39.00
购买这本书可以去
内容简介
分布式网络化系统由于受到通信带宽等因素的制约，降低系统的性能。首先，提出了基于活动轮廓模型的多相双曲线图像分割方法，用于提高图像分割的精度。其次，研究具有鲁棒性的数据集分类方法，降低分类过程中参数不确定性的影响。第三，提出加权融合重组新息和误差互协方差实现信息交互。进而，提出基于估计的线性时滞补偿策略，重组带有时间戳的测量序列。1后，仿真结果验证了所提方案有效性，进而提高系统的可靠性和定位精度
作者简介
刘莉，女，工学博士，于上海大学机电工程与自动化学院获得工学博士学位，现任鲁东大学信息与电气工程学院讲师。主要研究方向包括信息融合、机器视觉、目标定位与跟踪等。作为项目主持人或主要技术负责人参与完成项目5项，包括国家自然科学基金项目、上海市科委项目、山东省自然科学基金项目等。先后在《Neurocomputing》、《IEEE/CAA Journal of Automatica Sinica》、《Advances in Manufacturing》、《仪器仪表学报》等期刊及各类国际学术会议上发表论文SCI、EI收录十余篇。主编《C#程序设计教程》、《C语言程序设计》、《软件工程》等教材，在《计算机教育》期刊上发表教学改革论文4篇，参与省级精品课程《数据库原理》的建设。先后讲授《C#程序设计》、《Windows程序设计》、《ASP.NET程序设计》、《大型数据库技术》、《软件工程》、《高级语言程序设计》、《程序设计基础》、《常用软件》等课程
目录
目录 \n
第1章绪论11.1研究背景1 \n
1.2相关领域的国内外研究进展与现状3 \n
1.2.1分布式系统测量方法3 \n
1.2.2目标定位方法4 \n
1.2.3水平集演化方法6 \n
1.2.4数据集分类方法7 \n
1.2.5信息融合理论8 \n
1.3主要工作和特色12 \n
1.3.1研究内容12 \n
1.3.2本书特色13 \n
1.4章节安排14 \n
第2章基于多相双曲线水平集演化的图像分割方法17 \n
2.1引言17 \n
2.2水平集方法预备知识17 \n
2.2.1水平集方法原理18 \n
2.2.2多相水平集理论20 \n
2.2.3基于区域的水平集方法21 \n
2.2.4多项水平集方法的能量函数23 \n
2.3多相双曲线方法24 \n
2.3.1区域控制能量项25 \n
2.3.2能量拟合函数25〖4〗分布式网络化系统信息融合〖2〗目录〖4〗2.3.3水平集曲线演化29 \n
2.3.4算法的执行过程32 \n
2.4方法实施和实验探讨32 \n
2.4.1实验结果32 \n
2.4.2结果分析35 \n
2.5本章小结37 \n
第3章基于邻居搜索和内核模糊C均值的鲁棒性数据集分类方法38 \n
3.1引言38 \n
3.2聚类算法的理论基础38 \n
3.2.1聚类分析39 \n
3.2.2内核模糊C均值算法40 \n
3.3鲁棒的数据分类方法42 \n
3.3.1邻居搜索遍历数据集42 \n
3.3.2初始化隶属度矩阵和聚类原型44 \n
3.3.3优化隶属度矩阵和聚类原型45 \n
3.3.4鲁棒性能估计47 \n
3.3.5算法执行步骤49 \n
3.4实验验证49 \n
3.4.1实验一： MEMS加速度计数据集50 \n
3.4.2实验二： 复杂图像数据集53 \n
3.5本章小结57 \n
第4章不确定网络化系统的分布式加权融合估计58 \n
4.1引言58 \n
4.2最优估计理论和问题描述59 \n
4.2.1卡尔曼滤波理论59 \n
4.2.2分布式网络化系统融合架构60 \n
4.2.3传输时延和交叉相关噪声61 \n
4.3分布式鲁棒卡尔曼类型的滤波62 \n
4.3.1重组新息序列62 \n
4.3.2分布式融合估计65 \n
4.4数值验证72 \n
4.5本章小节77 \n
第5章随机不确定系统的建模与滤波78 \n
5.1引言78 \n
5.2问题阐述79 \n
5.2.1系统描述79 \n
5.2.2基于序列重排的建模79 \n
5.2.3噪声的相关性82 \n
5.3鲁棒有限时域滤波82 \n
5.3.1基于ZOH的滤波83 \n
5.3.2基于逻辑ZOH的滤波88 \n
5.4仿真结果92 \n
5.5本章小结96 \n
第6章面向空间定位的不确定系统的建模与估计97 \n
6.1引言97 \n
6.2基于线性CCD的空间定位方法97 \n
6.2.1空间定位原理98 \n
6.2.23D光电传感定位系统工作流程99 \n
6.2.3空间定位效果仿真100 \n
6.3问题描述和分析105 \n
6.3.1基于信号选择方案的系统模型106 \n
6.3.2交叉相关性噪声107 \n
6.4基于逻辑ZOH的估计器107 \n
6.4.1子系统的增广状态向量108 \n
6.4.2估计协方差的上界110 \n
6.4.3随机延迟的线性补偿111 \n
6.4.4分布式加权融合估计112 \n
6.5数值仿真114 \n
6.6本章小结120 \n
第7章总结与展望121 \n
7.1总结121 \n
7.2未来展望123 \n
附录A命题3.1～命题3.3的证明124 \n
附录B定理4.2的证明129 \n
附录C定理5.2的证明131 \n
参考文献136 \n
\n
第1章绪论11.1研究背景1 \n
1.2相关领域的国内外研究进展与现状3 \n
1.2.1分布式系统测量方法3 \n
1.2.2目标定位方法4 \n
1.2.3水平集演化方法6 \n
1.2.4数据集分类方法7 \n
1.2.5信息融合理论8 \n
1.3主要工作和特色12 \n
1.3.1研究内容12 \n
1.3.2本书特色13 \n
1.4章节安排14 \n
第2章基于多相双曲线水平集演化的图像分割方法17 \n
2.1引言17 \n
2.2水平集方法预备知识17 \n
2.2.1水平集方法原理18 \n
2.2.2多相水平集理论20 \n
2.2.3基于区域的水平集方法21 \n
2.2.4多项水平集方法的能量函数23 \n
2.3多相双曲线方法24 \n
2.3.1区域控制能量项25 \n
2.3.2能量拟合函数25〖4〗分布式网络化系统信息融合〖2〗目录〖4〗2.3.3水平集曲线演化29 \n
2.3.4算法的执行过程32 \n
2.4方法实施和实验探讨32 \n
2.4.1实验结果32 \n
2.4.2结果分析35 \n
2.5本章小结37 \n
第3章基于邻居搜索和内核模糊C均值的鲁棒性数据集分类方法38 \n
3.1引言38 \n
3.2聚类算法的理论基础38 \n
3.2.1聚类分析39 \n
3.2.2内核模糊C均值算法40 \n
3.3鲁棒的数据分类方法42 \n
3.3.1邻居搜索遍历数据集42 \n
3.3.2初始化隶属度矩阵和聚类原型44 \n
3.3.3优化隶属度矩阵和聚类原型45 \n
3.3.4鲁棒性能估计47 \n
3.3.5算法执行步骤49 \n
3.4实验验证49 \n
3.4.1实验一： MEMS加速度计数据集50 \n
3.4.2实验二： 复杂图像数据集53 \n
3.5本章小结57 \n
第4章不确定网络化系统的分布式加权融合估计58 \n
4.1引言58 \n
4.2最优估计理论和问题描述59 \n
4.2.1卡尔曼滤波理论59 \n
4.2.2分布式网络化系统融合架构60 \n
4.2.3传输时延和交叉相关噪声61 \n
4.3分布式鲁棒卡尔曼类型的滤波62 \n
4.3.1重组新息序列62 \n
4.3.2分布式融合估计65 \n
4.4数值验证72 \n
4.5本章小节77 \n
第5章随机不确定系统的建模与滤波78 \n
5.1引言78 \n
5.2问题阐述79 \n
5.2.1系统描述79 \n
5.2.2基于序列重排的建模79 \n
5.2.3噪声的相关性82 \n
5.3鲁棒有限时域滤波82 \n
5.3.1基于ZOH的滤波83 \n
5.3.2基于逻辑ZOH的滤波88 \n
5.4仿真结果92 \n
5.5本章小结96 \n
第6章面向空间定位的不确定系统的建模与估计97 \n
6.1引言97 \n
6.2基于线性CCD的空间定位方法97 \n
6.2.1空间定位原理98 \n
6.2.23D光电传感定位系统工作流程99 \n
6.2.3空间定位效果仿真100 \n
6.3问题描述和分析105 \n
6.3.1基于信号选择方案的系统模型106 \n
6.3.2交叉相关性噪声107 \n
6.4基于逻辑ZOH的估计器107 \n
6.4.1子系统的增广状态向量108 \n
6.4.2估计协方差的上界110 \n
6.4.3随机延迟的线性补偿111 \n
6.4.4分布式加权融合估计112 \n
6.5数值仿真114 \n
6.6本章小结120 \n
第7章总结与展望121 \n
7.1总结121 \n
7.2未来展望123 \n
附录A命题3.1～命题3.3的证明124 \n
附录B定理4.2的证明129 \n
附录C定理5.2的证明131 \n
参考文献136 \n
\n
猜您喜欢
