数据感知优化技术及其应用
全新正版 假一赔十 可开发票
￥ 31.08 7.4折 ￥ 42 全新
仅1件
北京东城
认证卖家担保交易快速发货售后保障
作者樊宽刚 等 著
出版社冶金工业出版社
ISBN9787502478568
出版时间2018-08
装帧平装
开本16开
定价42元
货号1201753204
上书时间2024-12-26
商品详情
- 品相描述：全新
- 商品描述
-
目录
1绪论
1.1基本知识介绍
1.1.1无线传感器网络基本知识
1.1.2压缩感知基本知识
1.2国内外研究现状
1.2.1无线传感器网络的研究现状
1.2.2压缩感知的研究现状
1.2.3数据融合技术的研究现状
1.3压缩感知在无线传感器网络中的应用
参考文献
2无线传感器网络体系结构
2.1无线传感器网络的基本概念及结构
2.1.1无线传感器网络的概念
2.1.2无线传感器网络的结构
2.1.3无线传感器网络节点的体系结构
2.1.4无线传感器网络的生成过程
2.2无线传感器网络的特点
2.3无线传感器网络的关键技术
2.4无线传感器网络的应用
参考文献
3无线传感器网络数据管理技术
3.1无线传感器网络数据管理的基本概念
3.1.1以数据为中心的无线传感器网络数据库
3.1.2无线传感器网络数据管理系统的特殊性及设计目标
3.1.3无线传感器网络数据管理技术的研究热点
3.2无线传感器网络数据管理的关键技术
3.2.1无线传感器网络数据存储结构
3.2.2数据查询处理技术
3.2.3数据压缩技术
3.2.4数据融合技术
3.3几种常见的数据管理系统
3.3.1TinyDB系统
3.3.2Cougar系统
3.3.3现有无线传感器网络数据管理系统分析
3.4无线传感器网络数据管理系统DisWareDM
3.4.1基于移动Agent中间件的传感器网络数据管理概述
3.4.2DisWareDM整体功能和系统结构设计
3.4.3DisWareDM系统的详细设计
3.4.4DisWareDM的系统功能
参考文献
4压缩感知理论基本原理
4.1概述
4.2压缩感知的工作原理
4.3信号的稀疏表示
4.4观测矩阵的设计
4.5压缩感知的实际应用
4.5.1压缩成像
4.5.2信道编码
4.5.3天文观测
4.6压缩感知的基本算法
4.6.1观测矩阵的基础知识
4.6.2重构算法的基础知识
参考文献
附件
5基追踪算法
5.1基追踪算法的研究现状
5.2基追踪算法的基础知识
5.2.1预备知识
5.2.2基追踪的使用
5.2.3基追踪算法的运算
5.2.4改进的基追踪算法
5.3匹配追踪算法的基础知识
5.3.1信号的稀疏表示
5.3.2匹配追踪算法的运算
5.4Bregman迭代算法的基础知识
5.4.1Bregman距离
5.4.2Bregman迭代算法的运算
5.5几种算法的对比
5.6基追踪算法仿真
5.6.1用于压缩感知的基追踪算法程序
5.6.2正交匹配追踪算法程序
5.6.3基追踪与压缩感知的仿真
5.6.4匹配追踪与压缩感知的仿真
5.6.5基追踪和匹配追踪的对比
5.6.6基追踪在压缩感知上的实际应用
参考文献
附件
6梯度追踪优化算法研究
6.1概述
6.2不同种类的梯度追踪算法总结
6.2.1基于最速下降法的梯度追踪算法
6.2.2基于牛顿法的梯度追踪算法
6.2.3基于共轭梯度法的梯度追踪算法
6.3梯度追踪算法仿真及结果分析
6.3.1梯度追踪算法实验仿真
6.3.2仿真结果分析
参考文献
7正交匹配追踪算法
7.1正交匹配追踪（OMP）算法的基础知识
7.1.1利用OMP算法重构一维信号
7.1.2利用OMP算法重构二维图像信号
7.2基于OMP算法的优化方案
7.3StOMP算法的实际应用
参考文献
附件
8基于无线传感器网络的压缩感知及数据融合技术
8.1概述
8.2数据融合的作用
8.3多源传感器数据融合
8.3.1多源传感器数据融合的基础知识
8.3.2多传感器数据融合的优势
8.3.3多传感器多源数据融合模型
8.3.4数据融合的结构模型
8.3.5数据融合的功能模型
8.4数据的压缩、重构及仿真结果的数据分析
8.4.1压缩率分析
8.4.2数据分析
8.5基于联合稀疏模型的分布式压缩算法
8.5.1两级压缩感知算法
8.5.2分布式稀疏随机投影算法的基础知识
8.5.3分布式稀疏随机投影的改进算法
8.5.4改进算法的网络模型选择与数据处理
8.5.5数据仿真处理与分析
8.6基于集中式的数据压缩算法
8.6.1集中式压缩算法描述
8.6.2选择传感器矩阵
8.6.3集中式压缩感知算法的模型分析
8.6.4仿真及结果分析
参考文献
附件
9总结与展望
9.1总结
9.2展望
内容摘要
本书对压缩感知理论的两个核心问题——观测矩阵和重构算法进行了研究，并根据已有的研究和资料，对不同的观测矩阵和不同的重构算法进行了对比，就其性能的优劣和实现的难易程度做了综合分析，得出梯度追踪算法的重构效果较好，同时计算量较小，较为实用。介绍了基追踪算法的特性以及应用场合，研究了匹配追踪算法和Bregman迭代算法等其他的一系列算法，并将它们与基追踪算法进行了对照与比较，做出了适用于压缩感知的基追踪算法的程序。还针对具体的应用场景，研究了当前该领域的发展现状，提出了在基于压缩感知理论的基础上进行大量数据的融合
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价