书籍详情
农业物联网关键技术及应用
作者：杨宏伟、李松江、张婧 著
出版社：化学工业出版社
出版时间：2024-03-01
ISBN：9787122429896
定价：¥118.00
购买这本书可以去
内容简介
本书对农业物联网中的时空数据采集、数据提取、冗余数据处理、分簇优化、路径规划、轨迹预测、轨迹纠偏、数据融合、宕机预测等关键技术进行了研究，并将这些技术、算法及模型进行融合，设计并实现农业物联网技术框架，去系统解决农业物联网建设过程中的关键技术问题。 本书主要为从事农业物联网技术的相关工程人员及其他自学者提供学习参考。
作者简介
无
目录
第1章 绪论 1
1.1农业物联网架构 1
1.2农业物联网研究现状 4
1.2.1国外研究现状 5
1.2.2国内研究现状 7
1.3农业物联网关键技术 8
1.3.1时空数据采集 9
1.3.2数据提取与预处理 9
1.3.3冗余数据处理 9
1.3.4分簇优化算法 10
1.3.5路径规划 11
1.3.6轨迹预测 11
1.3.7轨迹纠偏 12
1.3.8多模态数据融合 13
1.3.9宕机预测 13
1.4研究内容与总体结构 14
1.4.1研究内容 14
1.4.2总体结构 15
第2章 农业物联网中的数据采集模型 17
2.1 概述 17
2.2数据采集技术 18
2.2.1机器学习 18
2.2.2人工神经网络 20
2.2.3深度学习 20
2.2.4卷积神经网络 20
2.2.5长短期记忆网络 21
2.3时空数据模型构建 21
2.4时空数据模型结构与设计 22
2.4.1时空数据采集设计 24
2.4.2输入层构造 24
2.4.3卷积神经网络构造 24
2.4.4长短期记忆网络构造 26
2.4.5全连接层构造 27
2.4.6输出层构造 28
2.5模型实现与结果分析 28
2.5.1时空数据的采集与实现 28
2.5.2数据处理与模型训练 32
2.5.3测试与训练模型 38
2.5.4模型优化与验证 39
2.6本章小结 42
第3章 农业物联网中的数据提取模型 44
3.1 概述 44
3.2数据提取与预处理技术 45
3.2.1数据提取技术 46
3.2.2数据预处理技术 48
3.3模型构建 50
3.3.1数据提取模型构建 50
3.3.2 基于 KNN算法的数据清洗 52
3.3.3基于数据规范化的变换处理 54
3.3.4 基于 PCA 算法的特征选择 56
3.4模型实现与结果分析 57
3.4.1实验环境 57
3.4.2数据集 58
3.4.3数据提取分析 59
3.4.4实验结果与分析 59
3.5本章小结 63
第4章 农业物联网中的冗余数据处理 64
4.1 概述 64
4.2数据预处理 65
4.2.1 Bloom Filter 的介绍 65
4.2.2 标准 Bloom Filter 误判概率的证明和计算 67
4.2.3设计和应用 Bloom Filter 69
4.2.4朴素贝叶斯分类介绍 70
4.3设计与实验 72
4.3.1布隆过滤器的改进 72
4.3.2布隆过滤器和改进后的布隆过滤器流程图 72
4.3.3实验配置 74
4.3.4重复数据过滤 74
4.3.5无效数据分类 75
4.3.6 使用 Laplace Smoothing 优化 76
4.4本章小结 77
第5章 农业物联网中的分簇优化算法 79
5.1 概述 79
5.2分簇优化算法 80
5.2.1分簇算法 80
5.2.2目前研究存在的问题 82
5.3系统模型 82
5.3.1问题假设 82
5.3.2能耗模型 83
5.3.3问题模型 84
5.4实验与论证过程 91
5.5本章小结 96
第6章 农业物联网中的路径规划研究 98
6.1 概述 98
6.1.1路径规划问题的分类 99
6.1.2环境建模 99
6.1.3蚁群算法概述 101
6.1.4基本蚁群算法的数学模型 103
6.2基于蚁群算法的无人驾驶拖拉机的路径规划 105
6.2.1环境建模 105
6.2.2蚁群优化算法的基本原理及数学模型 107
6.2.3改进的蚁群算法 107
6.3算法实现与仿真 109
6.3.1 Matlab仿真与分析 110
6.3.2结果分析 110
6.4本章小结 111
第7章 农业物联网中的轨迹预测模型 113
7.1 概述 113
7.2轨迹预测模型 114
7.3基于分数阶累加的灰色模型理论 115
7.3.1灰色预测理论与模型 115
7.3.2分数阶算子 GM（1,1）灰色预测模型 117
7.4基于改进分数阶累加的灰色轨迹预测模型 119
7.4.1分数阶累加灰色轨迹预测模型 119
7.4.2参数寻优算法 121
7.4.3基于改进的粒子群优化算法求解最优 r值及最优背景值 121
7.5仿真验证及分析 124
7.5.1数据集 124
7.5.2模型性能比较与分析
7.6本章小结 129
第8章 农业物联网中的轨迹纠偏算法 130
8.1 概述 130
8.2轨迹纠偏模型 131
8.3基于环比的时间序列方法 132
8.3.1传统的时间序列算法 132
8.3.2短期环比 133
8.3.3长期环比 133
8.3.4三次样条插值 135
8.3.5算法步骤 135
8.4实验仿真与结果分析 136
8.4.1短期环比算法 136
8.4.2长期环比算法 138
8.4.3三次样条插值纠偏 141
8.4.4实验对比与评价 142
8.5本章小结 143
第9章 农业物联网中的数据融合技术 144
9.1 概述 144
9.2研究现状 144
9.3数据融合理论 145
9.3.1多模态数据融合 146
9.3.2卡尔曼滤波 148
9.3.3朴素贝叶斯算法 150
9.4多模态数据的融合与分析 152
9.5实验结果与分析 158
9.5.1数据清洗 158
9.5.2基于卡尔曼滤波的数据融合 159
9.5.3基于朴素贝叶斯的数据分析 161
9.5.4结果分析 164
9.6本章小结 164
第10章 农业物联网中的宕机预测研究 165
10.1 概述 165
10.1.1 Hadoop 166
10.1.2分布式文件存储系统 166
10.1.3流数据计算组件 Spark Streaming 168
10.1.4时间序列多元线性回归算法 169
10.2研究现状 170
10.3研究策略 171
10.3.1问题背景 171
10.3.2策略实施 171
10.4模型评估 179
10.5本章小结 180
第11章 农业物联网典型应用 182
11.1智慧农机典型应用 184
11.2应用性能度量 186
11.3本章小结 187
参考文献 188
1.1农业物联网架构 1
1.2农业物联网研究现状 4
1.2.1国外研究现状 5
1.2.2国内研究现状 7
1.3农业物联网关键技术 8
1.3.1时空数据采集 9
1.3.2数据提取与预处理 9
1.3.3冗余数据处理 9
1.3.4分簇优化算法 10
1.3.5路径规划 11
1.3.6轨迹预测 11
1.3.7轨迹纠偏 12
1.3.8多模态数据融合 13
1.3.9宕机预测 13
1.4研究内容与总体结构 14
1.4.1研究内容 14
1.4.2总体结构 15
第2章 农业物联网中的数据采集模型 17
2.1 概述 17
2.2数据采集技术 18
2.2.1机器学习 18
2.2.2人工神经网络 20
2.2.3深度学习 20
2.2.4卷积神经网络 20
2.2.5长短期记忆网络 21
2.3时空数据模型构建 21
2.4时空数据模型结构与设计 22
2.4.1时空数据采集设计 24
2.4.2输入层构造 24
2.4.3卷积神经网络构造 24
2.4.4长短期记忆网络构造 26
2.4.5全连接层构造 27
2.4.6输出层构造 28
2.5模型实现与结果分析 28
2.5.1时空数据的采集与实现 28
2.5.2数据处理与模型训练 32
2.5.3测试与训练模型 38
2.5.4模型优化与验证 39
2.6本章小结 42
第3章 农业物联网中的数据提取模型 44
3.1 概述 44
3.2数据提取与预处理技术 45
3.2.1数据提取技术 46
3.2.2数据预处理技术 48
3.3模型构建 50
3.3.1数据提取模型构建 50
3.3.2 基于 KNN算法的数据清洗 52
3.3.3基于数据规范化的变换处理 54
3.3.4 基于 PCA 算法的特征选择 56
3.4模型实现与结果分析 57
3.4.1实验环境 57
3.4.2数据集 58
3.4.3数据提取分析 59
3.4.4实验结果与分析 59
3.5本章小结 63
第4章 农业物联网中的冗余数据处理 64
4.1 概述 64
4.2数据预处理 65
4.2.1 Bloom Filter 的介绍 65
4.2.2 标准 Bloom Filter 误判概率的证明和计算 67
4.2.3设计和应用 Bloom Filter 69
4.2.4朴素贝叶斯分类介绍 70
4.3设计与实验 72
4.3.1布隆过滤器的改进 72
4.3.2布隆过滤器和改进后的布隆过滤器流程图 72
4.3.3实验配置 74
4.3.4重复数据过滤 74
4.3.5无效数据分类 75
4.3.6 使用 Laplace Smoothing 优化 76
4.4本章小结 77
第5章 农业物联网中的分簇优化算法 79
5.1 概述 79
5.2分簇优化算法 80
5.2.1分簇算法 80
5.2.2目前研究存在的问题 82
5.3系统模型 82
5.3.1问题假设 82
5.3.2能耗模型 83
5.3.3问题模型 84
5.4实验与论证过程 91
5.5本章小结 96
第6章 农业物联网中的路径规划研究 98
6.1 概述 98
6.1.1路径规划问题的分类 99
6.1.2环境建模 99
6.1.3蚁群算法概述 101
6.1.4基本蚁群算法的数学模型 103
6.2基于蚁群算法的无人驾驶拖拉机的路径规划 105
6.2.1环境建模 105
6.2.2蚁群优化算法的基本原理及数学模型 107
6.2.3改进的蚁群算法 107
6.3算法实现与仿真 109
6.3.1 Matlab仿真与分析 110
6.3.2结果分析 110
6.4本章小结 111
第7章 农业物联网中的轨迹预测模型 113
7.1 概述 113
7.2轨迹预测模型 114
7.3基于分数阶累加的灰色模型理论 115
7.3.1灰色预测理论与模型 115
7.3.2分数阶算子 GM（1,1）灰色预测模型 117
7.4基于改进分数阶累加的灰色轨迹预测模型 119
7.4.1分数阶累加灰色轨迹预测模型 119
7.4.2参数寻优算法 121
7.4.3基于改进的粒子群优化算法求解最优 r值及最优背景值 121
7.5仿真验证及分析 124
7.5.1数据集 124
7.5.2模型性能比较与分析
7.6本章小结 129
第8章 农业物联网中的轨迹纠偏算法 130
8.1 概述 130
8.2轨迹纠偏模型 131
8.3基于环比的时间序列方法 132
8.3.1传统的时间序列算法 132
8.3.2短期环比 133
8.3.3长期环比 133
8.3.4三次样条插值 135
8.3.5算法步骤 135
8.4实验仿真与结果分析 136
8.4.1短期环比算法 136
8.4.2长期环比算法 138
8.4.3三次样条插值纠偏 141
8.4.4实验对比与评价 142
8.5本章小结 143
第9章 农业物联网中的数据融合技术 144
9.1 概述 144
9.2研究现状 144
9.3数据融合理论 145
9.3.1多模态数据融合 146
9.3.2卡尔曼滤波 148
9.3.3朴素贝叶斯算法 150
9.4多模态数据的融合与分析 152
9.5实验结果与分析 158
9.5.1数据清洗 158
9.5.2基于卡尔曼滤波的数据融合 159
9.5.3基于朴素贝叶斯的数据分析 161
9.5.4结果分析 164
9.6本章小结 164
第10章 农业物联网中的宕机预测研究 165
10.1 概述 165
10.1.1 Hadoop 166
10.1.2分布式文件存储系统 166
10.1.3流数据计算组件 Spark Streaming 168
10.1.4时间序列多元线性回归算法 169
10.2研究现状 170
10.3研究策略 171
10.3.1问题背景 171
10.3.2策略实施 171
10.4模型评估 179
10.5本章小结 180
第11章 农业物联网典型应用 182
11.1智慧农机典型应用 184
11.2应用性能度量 186
11.3本章小结 187
参考文献 188
猜您喜欢
