第1章 物联网概述 1
1.1 引言 1
1.2 物联网的特点 2
1.3 物联网的全面感知 3
1.4 物联网的智慧运算 3
1.5 物联网的智慧分析 5
第2章 智能传感器 9
2.1 引言 9
2.2 传感器的基本原理 9
2.2.1 传感器的定义 9
2.2.2 传感器的结构 10
2.2.3 传感器的应用模式 11
2.3 智能传感器的基本原理 14
2.3.1 智能传感器的定义 14
2.3.2 智能传感器的产生 15
2.3.3 智能传感器的功能 15
2.3.4 智能传感器的特点 16
2.4 智能传感器的系统结构 17
2.5 智能传感器的实现 19
2.5.1 集成化 20
2.5.2 软件化 23
2.6 智能传感器数据校正技术 23
2.6.1 非线性自校正技术 23
2.6.2 软件抗干扰技术 24
2.6.3 自补偿技术 27
2.6.4 自检技术 33
2.7 多传感器信息融合 34
2.7.1 多传感器信息类型及其融合方法 34
2.7.2 多传感器信息融合过程 36
2.7.3 多传感器信息融合结构 37
2.7.4 多传感器信息融合方法 39
2.7.5 多传感器融合实例 45
2.7.6 网络化 46
2.8 应用实例 49
第3章 复杂网络 52
3.1 引言 52
3.2 网络的概念 53
3.3 复杂网络的基本特征量 54
3.3.1 平均路径长度 54
3.3.2 簇系数 54
3.3.3 度分布 54
3.3.4 介数 55
3.4 复杂网络的基本模型 55
3.4.1 规则网络 55
3.4.2 ER随机网络 56
3.4.3 小世界网络 58
3.4.4 无标度网络 61
3.5 物联网信息传播机制 62
3.5.1 研究模型的拓扑与建模 63
3.5.2 信息传播模型搭建与分析 65
3.5.3 信息传播动力学分析 66
第4章 无线传感器网络 69
4.1 引言 69
4.2 无线传感器网络结构与特点 71
4.2.1 网络拓扑结构 73
4.2.2 传感器节点结构 74
4.2.3 无线传感器网络协议栈 74
4.3 无线传感器网络协议 76
4.3.1 洪泛式路由协议 76
4.3.2 以数据为中心的路由协议 77
4.3.3 层次路由协议 79
4.3.4 基于位置信息的路由协议 81
4.3.5 路由协议的比较 81
4.4 无线传感器网络与互联网融合 81
4.5 应用实例 83
4.5.1 工程背景描述 83
4.5.2 项目解决的关键问题 85
4.5.3 项目的研究方法与技术路线 86
第5章 嵌入式终端平台 91
5.1 引言 91
5.2 嵌入式系统简介 91
5.2.1 嵌入式系统 91
5.2.2 嵌入式系统的分类 94
5.2.3 嵌入式系统发展趋势 95
5.3 嵌入式系统硬件 98
5.3.1 微处理器 98
5.3.2 存储器 99
5.3.3 常用总线与接口 101
5.4 嵌入式系统软件 104
5.4.1 嵌入式实时操作系统 104
5.4.2 RTOS体系结构 105
5.4.3 RTOS的衡量标准 106
5.4.4 RTOS的分类方法 106
5.4.5 RTOS的关键技术 107
5.5 主流嵌入式系统 108
5.6 VxWorks实时操作系统 109
5.6.1 VxWorks的体系结构 109
5.6.2 VxWorks内核分析 110
5.7 Linux实时操作系统 111
5.8 Windows CE实时操作系统 112
第6章 云计算平台 117
6.1 引言 117
6.2 云计算的概念 118
6.3 云计算发展现状 120
6.4 云计算实现机制 121
6.5 网格计算与云计算 123
6.6 MongoDB 126
6.6.1 NoSQL简介 126
6.6.2 MongoDB简介 128
6.6.3 MongoDB安装与配置 130
6.6.4 体系结构 134
6.6.5 数据库操作 138
6.6.6 管理端GUI工具 141
第7章 智慧数据爬虫 142
7.1 网络数据爬虫简介 142
7.1.1 为什么要在Web上爬行 143
7.1.2 爬行过程 143
7.1.3 智能爬行与聚焦爬虫 149
7.1.4 网页搜索策略 150
7.1.5 网页分析算法 150
7.2 构建智慧爬虫 152
7.2.1 核心算法 152
7.2.2 系统需求分析 153
7.2.3 网络爬虫体系结构 153
7.2.4 系统构造分析 154
7.2.5 爬行策略分析 155
7.2.6 URL抽取、解析与保存 155
7.3 开源爬虫 157
7.3.1 Lucene 157
7.3.2 Nutch 159
第8章 智慧数据挖掘 162
8.1 数据挖掘 162
8.1.1 概论 162
8.1.2 数据挖掘研究的内容与本质 163
8.2 数据挖掘流程 165
8.3 数据挖掘的典型方法 167
8.3.1 神经网络 169
8.3.2 遗传算法 170
8.3.3 决策树方法 171
8.3.4 粗集方法 172
8.3.5 覆盖正例排斥反例方法 173
8.3.6 统计分析方法 173
8.3.7 模糊集方法 173
8.4 数据挖掘软件 173
8.4.1 IBM Intelligent Miner 174
8.4.2 SAS Enterprise Miner 175
8.4.3 SPSS Clementine 176
8.5 大数据及相关技术 180
8.5.1 大数据发展历程 180
8.5.2 大数据的代表技术 182
8.5.3 Hadoop体系结构 184
第9章 智慧语义搜索 188
9.1 智慧搜索引擎工作原理 189
9.2 本体语义 191
9.2.1 语义Web的概念 191
9.2.2 语义Web的体系结构 192
9.2.3 Web服务与语义Web服务 193
9.2.4 用OWL构建领域本体过程 195
9.2.5 本体构造工具Protégé介绍 196
9.2.6 本体评估标准 197
9.3 语义Web服务的智能机器人控制 198
9.3.1 智能机器人控制领域的Web服务体系结构 198
9.3.2 模型设计和开发的基本原则 199
9.3.3 基于机械手本体的语义Web服务模型 199
9.3.4 语义Web服务的参数匹配分析 200
9.3.5 服务在参数上的匹配 201
9.3.6 参数的语义可推导 203
9.3.7 考虑参数语义的匹配算法 204
9.4 语义Web服务组合的控制流程实现 207
9.4.1 总体技术路线 207
9.4.2 实现Web Service 208
9.4.3 组合服务的条件 211
9.4.4 组合服务的匹配 213
9.4.5 语义推理 218
9.4.6 组合服务的执行 222
9.4.7 实验结果与评价 222
参考文献 225