描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787121361272丛书名: 深入浅出物联网技术丛书
编辑推荐
随着物联网、互联网、云计算等技术的飞速发展，在各个领域出现了大规模的数据增长，当今信息社会已经进入了大数据时代。大数据主要有数据流和静态数据两种形式,智慧农业中各种传感器产生的数据流是农业大数据的主要来源。农业领域中的数据流来源众多，形式多样，处理复杂，很难有一种计算模式能涵盖所有不同的计算需求，因此，如何根据数据流的不同数据特征和计算特征，从多样性的计算问题和实际需求中提炼并建立出各种高层抽象模型，是目前数据流研究亟待解决的问题。
本书围绕物联网追溯系统的研发及数据流处理过程中的聚类、追溯、预测与建模关键技术进行了研究，并介绍了智慧农业等关联知识，是一本优秀的智慧农业研究成果读物。
本书围绕物联网追溯系统的研发及数据流处理过程中的聚类、追溯、预测与建模关键技术进行了研究，并介绍了智慧农业等关联知识，是一本优秀的智慧农业研究成果读物。
内容简介
数据流处理技术是目前的研究热点，掌握数据流处理技术有助于更好地研究利用大数据，挖掘出数据背后潜在的价值。本书围绕物联网追溯系统的研发及数据流处理过程中的聚类、追溯、预测与建模关键技术进行了研究。全书共6章，第1章是绪论，主要介绍物联网的概念及中国农业物联网产业化发展现状及其国内外大数据的研究现状和热点。第2～5章，主要极少数据流聚类算法、数据流追溯方法、数据流预测方法、数据流预测方法、数据流建模方法。第6章，介绍了物联网追溯系统的研发和软硬件环境配置，并对本书的主要内容进行总结和展望。
目 录
第一章 绪论 1
1.1 物联网概述 1
1.2 中国农业物联网产业化发展现状 2
1.3 物联网大数据 5
1.3.1 大数据国内外研究热点 11
1.3.2 国内外相关文献研究 17
1.4 主要研究内容和技术路线 21
1.5 组织结构 24
第二章 数据流聚类方法的研究 27
2.1 简介 27
2.2 研究现状及存在的问题 30
2.3 基于高斯混合模型的数据流聚类方法研究 34
2.3.1 数据流聚类算法框架 34
2.3.2 基于高斯混合模型的数据流处理 35
2.3.3 多级队列概要结构 37
2.3.4 时间的属性化处理 38
2.3.5 基于高斯混合模型的数据流聚类 41
2.3.6 微簇合并 42
2.4 实验及分析 44
2.5 相关研究比较 51
2.6 本章小结 52
第三章 数据流追溯方法的研究 53
3.1 简介 53
3.2 研究现状及存在的问题 56
3.3 基于不确定数据的数据流追溯方法的研究 60
3.3.1 不确定数据 60
3.3.2 数据溯源 63
3.3.3 数据流集成处理过程 66
3.3.4 基于不确定数据的数据流追溯查询 70
3.3.5 单出错节点推断 72
3.3.6 多节点出错推断 76
3.4 相关研究比较 77
3.5 本章小结 78
第四章 数据流预测方法的研究 80
4.1 简介 80
4.2 研究现状及存在问题 84
4.3 基于灰色模型的数据流预测方法 87
4.3.1 预测查询处理模型 87
4.3.2 灰色一阶模型 92
4.3.3 灰色二阶模型 96
4.4 实验及分析 100
4.4.1 实验设置及仪器 101
4.4.2 结果分析 104
4.5 本章小结 108
第五章 猪舍环境监控系统的设计 110
5.1 简介 110
5.2 研究现状及存在的问题 113
5.3 猪舍数据流采集监控系统的设计 117
5.3.1 系统组成建模 117
5.3.2 物理世界的数据建模 122
5.3.3 传感器的数据建模 122
5.3.4 无线网络数据建模 123
5.3.5 计算（控制）单元的数据建模 125
5.3.6 执行器的数据建模 127
5.4 模型实例 127
5.5 系统的实现与优化 129
5.6 本章小结 135
第六章 物联网追溯系统研发 137
6.1 养殖场信息管理系统 137
6.1.1 硬件支持 140
6.1.2 软件支持 141
6.1.3 使用说明 141
6.2 屠宰信息管理系统 152
6.2.1 硬件支持 153
6.2.2 软件支持 153
6.2.3 使用说明 154
6.3 追溯查询信息系统 167
6.4 本章小结 170
6.5 创新点 173
6.6 展望 174
参考文献 175
读者调查表 177
电子工业出版社编著书籍推荐表 179
1.1 物联网概述 1
1.2 中国农业物联网产业化发展现状 2
1.3 物联网大数据 5
1.3.1 大数据国内外研究热点 11
1.3.2 国内外相关文献研究 17
1.4 主要研究内容和技术路线 21
1.5 组织结构 24
第二章 数据流聚类方法的研究 27
2.1 简介 27
2.2 研究现状及存在的问题 30
2.3 基于高斯混合模型的数据流聚类方法研究 34
2.3.1 数据流聚类算法框架 34
2.3.2 基于高斯混合模型的数据流处理 35
2.3.3 多级队列概要结构 37
2.3.4 时间的属性化处理 38
2.3.5 基于高斯混合模型的数据流聚类 41
2.3.6 微簇合并 42
2.4 实验及分析 44
2.5 相关研究比较 51
2.6 本章小结 52
第三章 数据流追溯方法的研究 53
3.1 简介 53
3.2 研究现状及存在的问题 56
3.3 基于不确定数据的数据流追溯方法的研究 60
3.3.1 不确定数据 60
3.3.2 数据溯源 63
3.3.3 数据流集成处理过程 66
3.3.4 基于不确定数据的数据流追溯查询 70
3.3.5 单出错节点推断 72
3.3.6 多节点出错推断 76
3.4 相关研究比较 77
3.5 本章小结 78
第四章 数据流预测方法的研究 80
4.1 简介 80
4.2 研究现状及存在问题 84
4.3 基于灰色模型的数据流预测方法 87
4.3.1 预测查询处理模型 87
4.3.2 灰色一阶模型 92
4.3.3 灰色二阶模型 96
4.4 实验及分析 100
4.4.1 实验设置及仪器 101
4.4.2 结果分析 104
4.5 本章小结 108
第五章 猪舍环境监控系统的设计 110
5.1 简介 110
5.2 研究现状及存在的问题 113
5.3 猪舍数据流采集监控系统的设计 117
5.3.1 系统组成建模 117
5.3.2 物理世界的数据建模 122
5.3.3 传感器的数据建模 122
5.3.4 无线网络数据建模 123
5.3.5 计算（控制）单元的数据建模 125
5.3.6 执行器的数据建模 127
5.4 模型实例 127
5.5 系统的实现与优化 129
5.6 本章小结 135
第六章 物联网追溯系统研发 137
6.1 养殖场信息管理系统 137
6.1.1 硬件支持 140
6.1.2 软件支持 141
6.1.3 使用说明 141
6.2 屠宰信息管理系统 152
6.2.1 硬件支持 153
6.2.2 软件支持 153
6.2.3 使用说明 154
6.3 追溯查询信息系统 167
6.4 本章小结 170
6.5 创新点 173
6.6 展望 174
参考文献 175
读者调查表 177
电子工业出版社编著书籍推荐表 179
前 言
随着物联网、互联网、云计算等技术的飞速发展，在各个领域出现了大规模的数据增长，当今信息社会已经进入了大数据时代。大数据主要有数据流和静态数据两种形式,智慧农业中各种传感器产生的数据流是农业大数据的主要来源。农业领域中的数据流来源众多，形式多样，处理复杂，很难有一种计算模式能涵盖所有不同的计算需求，因此，如何根据数据流的不同数据特征和计算特征，从多样性的计算问题和实际需求中提炼并建立出各种高层抽象模型，是目前数据流研究亟待解决的问题。
本书围绕物联网追溯系统的研发及数据流处理过程中的聚类、追溯、预测与建模关键技术进行了研究，取得了一些成果，本书各章节的主要内容如下：
第1章，主要介绍了物联网的概念及中国农业物联网产业化发展现状及其国内外大数据的研究现状和热点。
第2章，主要介绍了基于高斯混合模型的数据流聚类算法cumicro，使用高斯混合模型作为数据流中不确定数据的基本表示形式，可以更好地利用存储空间，完成对真实情况的逼近。该算法将时间直接作为数据属性，可直接查询某个时间维度的聚簇。实验证明，该算法在原始数据较密集时，相较原有基于离散模型的聚类，该算法具有准确度上的优势。
第3章，主要介绍了基于不确定数据的数据流追溯方法，将不确定数据引入到追溯系统中搭建追溯模型，解决了数据流背景下无法对可追溯单元一一标识的混合过程进行表示的问题。利用不确定数据的基本表示和查询方法，解决了多源追溯问题，完成了数据流追溯模型中的一般查询、节点评价和单节点异常推断功能，并给出了多节点异常的求解方法。
第4章，主要介绍了基于时间粒度的自适应调整灰色二阶模型的数据流预测方法，通过实验得出以下结论：随着滑动窗口更新周期的增大，预测的成功率反而下降；随着采样频率的变大，预测成功率降低；随着未来数据窗口宽度的增加，预测的平均相对误差增大。但该方法对近期的数据预测比较准确，满足了系统的需求。
第5章，主要介绍了一个面向养殖环境的猪舍数据流采集与预测为一体的自动化控制系统，提出了在数据流背景下切换到数据视角，以数据为中心来开展业务研究，将时间和空间的事件信息都以数据驱动为中心明确地抽象到编程模型中，进行形式化的描述及一体化建模，打破了传统的建模方法仅局限于时间域内分析的局限性，考虑了计算过程和物理过程通过网络实时交互对系统行为所带来的影响。
第6章，物联网追溯系统的研发和软硬件环境配置，对本书的主要内容的总结和展望。
在本书撰写的过程中，中国农业大学信息系主任孙瑞志教授给予了指导性意见，尹宝全博士、李勐博士、聂娟博士、邓雪峰博士、王雷雨硕士都给予了大量的支持和帮助，提出了很多宝贵意见，在此表示感谢。
由于作者水平有限，不当之处在所难免，恳请广大读者批评指正。
本书围绕物联网追溯系统的研发及数据流处理过程中的聚类、追溯、预测与建模关键技术进行了研究，取得了一些成果，本书各章节的主要内容如下：
第1章，主要介绍了物联网的概念及中国农业物联网产业化发展现状及其国内外大数据的研究现状和热点。
第2章，主要介绍了基于高斯混合模型的数据流聚类算法cumicro，使用高斯混合模型作为数据流中不确定数据的基本表示形式，可以更好地利用存储空间，完成对真实情况的逼近。该算法将时间直接作为数据属性，可直接查询某个时间维度的聚簇。实验证明，该算法在原始数据较密集时，相较原有基于离散模型的聚类，该算法具有准确度上的优势。
第3章，主要介绍了基于不确定数据的数据流追溯方法，将不确定数据引入到追溯系统中搭建追溯模型，解决了数据流背景下无法对可追溯单元一一标识的混合过程进行表示的问题。利用不确定数据的基本表示和查询方法，解决了多源追溯问题，完成了数据流追溯模型中的一般查询、节点评价和单节点异常推断功能，并给出了多节点异常的求解方法。
第4章，主要介绍了基于时间粒度的自适应调整灰色二阶模型的数据流预测方法，通过实验得出以下结论：随着滑动窗口更新周期的增大，预测的成功率反而下降；随着采样频率的变大，预测成功率降低；随着未来数据窗口宽度的增加，预测的平均相对误差增大。但该方法对近期的数据预测比较准确，满足了系统的需求。
第5章，主要介绍了一个面向养殖环境的猪舍数据流采集与预测为一体的自动化控制系统，提出了在数据流背景下切换到数据视角，以数据为中心来开展业务研究，将时间和空间的事件信息都以数据驱动为中心明确地抽象到编程模型中，进行形式化的描述及一体化建模，打破了传统的建模方法仅局限于时间域内分析的局限性，考虑了计算过程和物理过程通过网络实时交互对系统行为所带来的影响。
第6章，物联网追溯系统的研发和软硬件环境配置，对本书的主要内容的总结和展望。
在本书撰写的过程中，中国农业大学信息系主任孙瑞志教授给予了指导性意见，尹宝全博士、李勐博士、聂娟博士、邓雪峰博士、王雷雨硕士都给予了大量的支持和帮助，提出了很多宝贵意见，在此表示感谢。
由于作者水平有限，不当之处在所难免，恳请广大读者批评指正。
作者
2018年10月
评论
还没有评论。