登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2024年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 海外中国研究·中国乐书：从战国到北宋 》 售價：NT$ 755.0 《 明代赋役与白银——梁方仲著作集 》 售價：NT$ 367.0 《 量子纠缠 》 售價：NT$ 296.0 《 拥抱真实自我：内在小孩的探索和疗愈 》 售價：NT$ 301.0 《 黑暗王后：缔造中世纪世界的血腥竞争 》 售價：NT$ 602.0 《 小行星猎人：贝努小行星生命起源样本采集任务全记录 》 售價：NT$ 296.0 《 诡舍（夜来风雨声悬疑幻想震撼之作） 》 售價：NT$ 254.0 《 讲给青少年的人工智能 》 售價：NT$ 245.0

建議一齊購買： + NT$ 337 《大学物理学（第5版） 力学、热学》 + NT$ 321 《电力系统分析（第四版）》 + NT$ 347 《环境监测技术》 + NT$ 230 《食品添加剂》 + NT$ 296 《应用统计学》 + NT$ 521 《普通动物学（第4版）刘凌云（十二五新封面）》 編輯推薦： 本书取材新颖、内容丰富、实用性强，突出基本概念的分析和技术原理的阐述，反映了无线传感器网络领域目标定位、跟踪和深度学习分类技术研究的新成果和发展趋势，适合从事移动、无线网络体系设计与研究开发的工程技术人员阅读，也可供高等院校相关专业本科生、研究生以及从事相关领域研究的科研人员参考。 內容簡介： 本书分为9章： 第1~6章介绍基于WSN的移动机器人动态定位算法，在概括介绍WSN的定位概念后，分别讨论基于网格改进极大似然的移动机器人动态定位、基于改进APIT的移动机器人动态定位、基于隐形边的移动机器人动态定位和路径规划、基于公垂线中点质心的移动机器人动态定位、基于递推最小二乘的移动机器人动态定位等内容； 第7~9章介绍面向大规模应用的目标跟踪和深度学习分类，在概括介绍目标跟踪后，分别讨论时空正则化相关滤波器、步长控制方法、离散时间卡尔曼估计器、高维数据、深度学习分类和一维VGG网络(OneDimensional Visual Geometry Group Network)等内容。 本书取材新颖、内容丰富、实用性强，突出基本概念的分析和技术原理的阐述，反映了无线传感器网络领域目标定位、跟踪和深度学习分类技术研究的最新成果和发展趋势，适合从事移动、无线网络体系设计与研究开发的工程技术人员阅读，也可供高等学校相关专业本科生、研究生以及从事相关领域研究的科研人员参考。 目錄： 第1章绪论 1.1研究背景与意义 1.1.1选题依据和背景情况 1.1.2课题研究目的 1.2无线传感器网络定位算法概述 1.2.1无线传感器网络定位算法分类 1.2.2无线传感器网络定位的关键技术 1.3目标跟踪算法概述 1.3.1目标跟踪算法分类 1.3.2目标跟踪的关键技术 1.4面向高维数据的深度学习分类算法概述 1.4.1面向高维数据的深度学习分类算法的类别 1.4.2面向高维数据的深度学习分类的关键技术 1.5国内外研究现状 1.5.1无线传感器网络定位研究现状 1.5.2摄像机网络定位研究现状 1.5.3无线多媒体传感器网络定位研究现状 1.5.4基于卡尔曼滤波的目标跟踪研究现状 1.5.5面向高维数据的深度学习分类研究现状 1.6研究内容及组织结构 1.6.1主要研究内容 1.6.2章节安排 第2章基于网格改进极大似然的移动机器人动态定位 2.1基于RSSI极大似然的移动机器人动态定位 2.1.1RSSI测距模型 2.1.2RSSI测距模型特征分析 2.1.3极大似然的动态定位算法 2.2基于网格改进极大似然的移动机器人动态定位 2.2.1极大似然的网格概率分布算法 2.2.2改进极大似然的网格概率分布算法 2.2.3面向对称性部署的改进极大似然网格概率分布定位 2.3基于卡尔曼滤波的盲区定位 2.3.1一般状态空间模型 2.3.2改进的经典卡尔曼滤波算法 2.3.3适用于网络盲区虚拟信标节点的卡尔曼滤波算法 2.4仿真和实验结果分析 2.5本章小结 第3章基于改进APIT的移动机器人动态定位 3.1基于三边测量的动态定位和测距优化算法 3.1.1三边测量定位算法 3.1.2卡尔曼滤波优化RSSI测距模型算法 3.2基于改进APIT的移动机器人动态定位算法 3.2.1最佳三角形内点测试数学模型 3.2.2改进APIT算法 3.2.3适用于网络盲区的改进APIT算法 3.3仿真实验和结果分析 3.3.1基于测距的改进APIT定位算法实验 3.3.2基于卡尔曼滤波的移动机器人动态定位算法实验 3.3.3卡尔曼滤波算法在绝对网络盲区的定位实验 3.4室内移动机器人自主动态定位实验 3.5本章小结 第4章基于隐形边的移动机器人动态定位和路径规划 4.1移动机器人定位和路径规划以及自动部署概述 4.1.1隐形边定位算法 4.1.2移动机器人路径规划概述 4.1.3移动机器人自动部署无线传感器网络概述 4.2基于隐形边的移动机器人最大范围定位 4.2.1无须隐形边的无线传感器网络定位算法 4.2.2应用隐形边的移动机器人最大范围动态定位算法 4.2.3应用隐形边的定位算法和三边测量算法的拟合 4.3基于三角形和生成树的移动机器人路径规划 4.3.1应用三角形和生成树的路径规划算法 4.3.2实现冗余网络覆盖的漏洞修复算法 4.3.3虚拟网格的边界穿越算法 4.4仿真实验与结果分析 4.4.1应用隐形边的最大范围定位算法分析 4.4.2基于三角形和生成树的路径规划算法分析 4.5本章小结 第5章基于公垂线中点质心的移动机器人动态定位 5.1基于摄像机网络的多摄像机联合标定算法 5.1.1Harris角度检测和提取算法 5.1.2多摄像机联合标定的线性模型 5.1.3非奇异标定板部署 5.2基于改进公垂线中点质心的移动机器人动态定位算法 5.2.1自适应背景混合模型 5.2.2公垂线中点质心3D定位算法 5.2.3改进公垂线中点质心3D定位算法 5.2.4实验结果分析 5.3基于无线多媒体传感器网络的联合同步机制 5.3.1分布式计算系统架构 5.3.2API包封装算法 5.3.3面向无线多媒体传感器网络的多摄像机联合同步算法 5.3.4实验数据分析 5.4本章小结 第6章基于递推最小二乘的移动机器人动态定位 6.1基于无线多媒体传感器的网络架构 6.1.1无线多媒体传感器网络的自组织网络 6.1.2无线多媒体传感器网络的目标检测算法 6.1.3无线多媒体传感器网络的定位系统硬件平台 6.2基于递推最小二乘的移动机器人动态定位算法 6.2.1面向畸变补偿的多视角联合标定算法 6.2.2面向3D定位的最小二乘算法 6.2.3面向3D定位的递推最小二乘算法 6.3基于无线多媒体传感器网络的定位误差补偿机制 6.3.1多视角3D定位误差分析 6.3.2面向无线多媒体传感器网络的3D定位误差补偿算法 6.4实验数据及分析 6.4.1多视角联合标定实验数据分析 6.4.2面向WMSN的移动机器人3D定位实验数据分析 6.5本章小结 第7章基于卡尔曼滤波的时空正则化相关滤波器 7.1时空正则化相关滤波器 7.2基于卡尔曼滤波的时空正则化相关滤波器 7.2.1视觉跟踪优化问题 7.2.2KF和STRCF的整合 7.2.3步长控制方法 7.3实验与分析 7.3.1框架参数 7.3.2OTB2013数据集 7.3.3OTB2015数据集 7.3.4TempleColor数据集 7.4本章小结 第8章面向高维数据的一维VGG深度学习网络 8.1多准则决策的预处理方法 8.1.1预处理过程 8.1.2多准则决策优化问题(MCDMOP) 8.2一维视觉几何群网络体系结构 8.2.11D_VGGNet的体系结构 8.2.2一维卷积层 8.2.3池化层 8.2.4全连接层 8.2.5训练1D_VGGNet 8.3实验与分析 8.3.1框架参数和数据集 8.3.21D_VGGNet的测试阶段 8.3.31D_VGGNet的训练阶段 8.4本章小结 第9章总结与展望 9.1总结 9.2展望 参考文献 內容試閱： 移动机器人的室内动态定位是机器人和传感器网络领域中的关键问题。首先，考虑不同的平台对定位性能具有重要影响，结合三种平台开展了移动机器人定位算法的研究工作，包括无线传感器网络(Wireless Sensor Network，WSN)、摄像机网络(Camera Network，CN)和无线多媒体传感器网络(Wireless Multimedia Sensor Network，WMSN)。其次，为了解决在各种场景中跟踪目标状态的视觉跟踪优化问题，将卡尔曼滤波器(Kalman Filter，KF)与时空正则化相关滤波器(SpatialTemporal Regularized Correlation Filter，STRCF)结合起来用于视觉跟踪，以克服由于大规模应用变化引起的不稳定性问题。最后，在灾难救援场景中，伤员经受过度刺激和创伤，极易诱发心血管疾病(Cardiovascular Disease，CVD)。随着人工智能技术和物联网的成熟，物联网用于心音信号的自动分析和分类有望在灾难救援领域提供实质性的改进。心音信号作为高维数据在过于复杂和不稳定而不可行的情况下，可以设计更灵活的分类器，以适应复杂和多样的高维数据。 第1章主要介绍研究背景与意义，内容包括无线传感器网络定位算法、基于卡尔曼滤波的目标跟踪和面向高维数据的深度学习分类概述，以及国内外研究现状和研究内容及组织结构。 第2章针对移动机器人在室内网络盲区的动态定位失效问题，提出了一种动态选择信标节点建立网格区域的自主动态定位算法。采用传感器网络信标节点的信号强度信息进行测距，使用基于网格改进的极大似然算法实现机器人的定位，并通过卡尔曼滤波器进行定位误差校正。具体来说，该算法将经典卡尔曼滤波器和定位算法相结合，实现了算法结果的平滑和优化。实验结果表明，在网络盲区中卡尔曼滤波比其他算法具有更好的性能。 第3章针对室内无线传感器网络通信传输不稳定和定位精度较差的情况，提出了一种移动机器人自主动态定位算法。通过实时选择邻近信标节点，确定节点坐标构成的边界，绘制局部网格空间，实现机器人动态定位。采用基于测距的改进近似三角形内点测试(APIT)算法进行定位，再使用卡尔曼算法修正定位误差。对于室内网络传输不稳定的情况，该算法有效地改善了定位效果。 第4章针对网络非全局刚性和经典三边测量法失效的问题，提出了基于隐形边的最大范围定位(Maximum Range Localization with/without shadow edges，MRL)算法，在选择的节点无法相互感知的情况下实现了在最大范围内定位移动机器人。MRL算法利用移动机器人自身的可移动性和智能性，到达最大边界范围。为了利用信标节点自动部署技术实现灾后未知区域探索，移动机器人的路径规划必须具备避障和无线传感器网络中的非视距(Non Line Of Sight，NLOS)定位功能。为此，提出了基于三角形和生成树的路径规划算法，实现室内环境中信标节点的增量式部署。通过与三边测量法进行深入的比较研究，证明该算法可以在三边测量法失效的情况下实现成功定位。 第5章针对在多摄像机系统中的联合标定和实时三维定位问题，提出了三维定位方法，融合多视角二维图像坐标实现实时三维空间定位。通过改进公垂线中点质心(Improved Common Perpendicular Centroid，ICPC)算法，减少了阴影检测的负面效果，改进了定位精度。然后，以联合标定算法实现了多摄像机同步获取内部参数和外部参数。实验结果表明，该算法实现了室内多视角监控环境下的精确定位并有效降低了计算复杂度。 第6章针对在无线多媒体传感器网络中获取移动机器人三维信息时存在网络不稳定和协调器端通信瓶颈等问题，提出了适应动态网络环境的实时三维定位算法，在室内多视角无线多媒体传感器网络中同步定位移动机器人，并结合多种智能传感器建立了适用于实际应用的智能传感器架构。递推最小二乘(Recursive Least Squares，RLS)算法融合了多视角二维图像坐标，可计算移动机器人的三维空间位置，所提出的误差补偿机制能够有效抑制多视角数据融合产生的误差。实验结果表明，该算法可以在室内无线多媒体网络环境中实现可靠和有效的实时三维定位。 第7章在计算机视觉的许多应用中考虑视觉跟踪，并基于灾难救援活动期间智能监控应用的各种评估标准，寻求实现最佳跟踪精度和稳健性，提出了一种新的框架，将卡尔曼滤波器与时空正则化相关滤波器结合起来用于视觉跟踪，以克服大规模应用变化引起的不稳定性问题。为了解决突然加速和转向导致的目标丢失问题，提出了一种步长控制方法来限制框架输出状态的最大振幅，该方法基于真实场景中对象的运动规律提供了合理的约束。此外，在大规模实验中分析了影响该框架性能的属性。实验结果表明，该框架在某些特定属性的OTB2013、OTB2015和TempleColor数据集上优于STRCF，并实现了计算机视觉的最佳视觉跟踪。与STRCF相比，对于OTB2015数据集上的背景杂波、照明变化、遮挡、平面外旋转和视图外属性，该框架分别实现了2.8%、2%、1.8%、1.3%和2.4%的AUC增益。对于非模糊视频，该框架表现出比竞争对手更好的性能和更强的稳健性。 第8章在高维数据分类的众多应用中考虑深度学习模型，并寻求在综合评估(Comprehensive Evaluation，CE)活动期间实现基于多准则决策(MultiCriteria DecisionMaking，MCDM)的高维数据分析应用的最佳评估精度和稳健性。为此，提出了一种新的一维VGG网络(OneDimensional Visual Geometry Group Network)，以克服高维数据过于复杂和不稳定的问题。然后，为了有效处理MCDM应用，提出了一种1D_VGGNet分类器，将应用于图像数据的二维卷积替换为应用于MCDM的一维卷积。此外，为了解决生成的特征图的不变性问题，可以灵活调整Maxpooling的核大小，以有效地满足降低特征图维数和加快不同数据集的训练和预测的要求。该改进对于各种高维数据应用场景是合理的。此外，提出了一种新的目标函数来准确评估网络模型的性能，因为目标函数包括各种具有代表性的性能评估度量，并且计算平均值作为CE评价指标。实验结果表明，对于MITBIH心律失常数据库的综合分类，该框架优于一维卷积神经网络(OneDimensional Convolutional Neural Network)，在指定的评价指标下，平均增益为12.3%。 第9章对研究工作进行了总结，并展望了未来的研究工作。 本书得到了学位与研究生教育发展中心2023年度主题案例课题（编号：ZT231034902）、浙江省自然基金项目（编号： LZ22F020002和LTY22F020003）、浙江省高等教育协会2023年高等教育研究项目（编号： KT203098）、绍兴文理学院人工智能研究院开放课题、国家自然科学基金项目（编号： 62303100、62206083、62201200和62271321）、中央高校基本科研业务费（编号： N2223023）、中国博士后科学基金（编号： 2023M730982）和绍兴文理学院优秀学术著作出版基金的资助。 由于作者水平有限，书中难免存在疏漏之处，恳请广大读者批评指正。 作者 2024年1月22日

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2025 （香港）大書城有限公司　All Rights Reserved.