掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
面向災難救援的目標定位、跟蹤和分類 版權(quán)信息
- ISBN：9787302677499
- 條形碼：9787302677499 ; 978-7-302-67749-9
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
面向災難救援的目標定位、跟蹤和分類 本書特色
本書取材新穎、內(nèi)容豐富、實用性強，突出基本概念的分析和技術(shù)原理的闡述，反映了無線傳感器網(wǎng)絡領域目標定位、跟蹤和深度學習分類技術(shù)研究的新成果和發(fā)展趨勢，適合從事移動、無線網(wǎng)絡體系設計與研究開發(fā)的工程技術(shù)人員閱讀，也可供高等院校相關(guān)專業(yè)本科生、研究生以及從事相關(guān)領域研究的科研人員參考。
面向災難救援的目標定位、跟蹤和分類 內(nèi)容簡介
"本書分為9章： 第1~6章介紹基于WSN的移動機器人動態(tài)定位算法，在概括介紹WSN的定位概念后，分別討論基于網(wǎng)格改進極大似然的移動機器人動態(tài)定位、基于改進APIT的移動機器人動態(tài)定位、基于隱形邊的移動機器人動態(tài)定位和路徑規(guī)劃、基于公垂線中點質(zhì)心的移動機器人動態(tài)定位、基于遞推*小二乘的移動機器人動態(tài)定位等內(nèi)容； 第7~9章介紹面向大規(guī)模應用的目標跟蹤和深度學習分類，在概括介紹目標跟蹤后，分別討論時空正則化相關(guān)濾波器、步長控制方法、離散時間卡爾曼估計器、高維數(shù)據(jù)、深度學習分類和一維VGG網(wǎng)絡(OneDimensional Visual Geometry Group Network)等內(nèi)容。 本書取材新穎、內(nèi)容豐富、實用性強，突出基本概念的分析和技術(shù)原理的闡述，反映了無線傳感器網(wǎng)絡領域目標定位、跟蹤和深度學習分類技術(shù)研究的**成果和發(fā)展趨勢，適合從事移動、無線網(wǎng)絡體系設計與研究開發(fā)的工程技術(shù)人員閱讀，也可供高等學校相關(guān)專業(yè)本科生、研究生以及從事相關(guān)領域研究的科研人員參考。 "
面向災難救援的目標定位、跟蹤和分類 目錄
第1章緒論2.2基于網(wǎng)格改進極大似然的移動機器人動態(tài)定位2.2.1極大似然的網(wǎng)格概率分布算法2.2.2改進極大似然的網(wǎng)格概率分布算法2.2.3面向?qū)ΨQ性部署的改進極大似然網(wǎng)格概率分布定位2.3基于卡爾曼濾波的盲區(qū)定位2.3.1一般狀態(tài)空間模型2.3.2改進的經(jīng)典卡爾曼濾波算法2.3.3適用于網(wǎng)絡盲區(qū)虛擬信標節(jié)點的卡爾曼濾波算法2.4仿真和實驗結(jié)果分析2.5本章小結(jié) 第3章基于改進APIT的移動機器人動態(tài)定位第1章緒論
1.1研究背景與意義
1.1.1選題依據(jù)和背景情況
1.1.2課題研究目的
1.2無線傳感器網(wǎng)絡定位算法概述
1.2.1無線傳感器網(wǎng)絡定位算法分類
1.2.2無線傳感器網(wǎng)絡定位的關(guān)鍵技術(shù)
1.3目標跟蹤算法概述
1.3.1目標跟蹤算法分類
1.3.2目標跟蹤的關(guān)鍵技術(shù)
1.4面向高維數(shù)據(jù)的深度學習分類算法概述
1.4.1面向高維數(shù)據(jù)的深度學習分類算法的類別
1.4.2面向高維數(shù)據(jù)的深度學習分類的關(guān)鍵技術(shù)
1.5國內(nèi)外研究現(xiàn)狀
1.5.1無線傳感器網(wǎng)絡定位研究現(xiàn)狀
1.5.2攝像機網(wǎng)絡定位研究現(xiàn)狀
1.5.3無線多媒體傳感器網(wǎng)絡定位研究現(xiàn)狀
1.5.4基于卡爾曼濾波的目標跟蹤研究現(xiàn)狀
1.5.5面向高維數(shù)據(jù)的深度學習分類研究現(xiàn)狀
1.6研究內(nèi)容及組織結(jié)構(gòu)
1.6.1主要研究內(nèi)容
1.6.2章節(jié)安排
第2章基于網(wǎng)格改進極大似然的移動機器人動態(tài)定位
2.1基于RSSI極大似然的移動機器人動態(tài)定位
2.1.1RSSI測距模型
2.1.2RSSI測距模型特征分析
2.1.3極大似然的動態(tài)定位算法
2.2基于網(wǎng)格改進極大似然的移動機器人動態(tài)定位
2.2.1極大似然的網(wǎng)格概率分布算法
2.2.2改進極大似然的網(wǎng)格概率分布算法
2.2.3面向?qū)ΨQ性部署的改進極大似然網(wǎng)格概率分布定位
2.3基于卡爾曼濾波的盲區(qū)定位
2.3.1一般狀態(tài)空間模型
2.3.2改進的經(jīng)典卡爾曼濾波算法
2.3.3適用于網(wǎng)絡盲區(qū)虛擬信標節(jié)點的卡爾曼濾波算法
2.4仿真和實驗結(jié)果分析
2.5本章小結(jié)
第3章基于改進APIT的移動機器人動態(tài)定位
3.1基于三邊測量的動態(tài)定位和測距優(yōu)化算法
3.1.1三邊測量定位算法
3.1.2卡爾曼濾波優(yōu)化RSSI測距模型算法
3.2基于改進APIT的移動機器人動態(tài)定位算法
3.2.1*佳三角形內(nèi)點測試數(shù)學模型
3.2.2改進APIT算法
3.2.3適用于網(wǎng)絡盲區(qū)的改進APIT算法
3.3仿真實驗和結(jié)果分析
3.3.1基于測距的改進APIT定位算法實驗
3.3.2基于卡爾曼濾波的移動機器人動態(tài)定位算法實驗
3.3.3卡爾曼濾波算法在絕對網(wǎng)絡盲區(qū)的定位實驗
3.4室內(nèi)移動機器人自主動態(tài)定位實驗
3.5本章小結(jié)
第4章基于隱形邊的移動機器人動態(tài)定位和路徑規(guī)劃
4.1移動機器人定位和路徑規(guī)劃以及自動部署概述
4.1.1隱形邊定位算法
4.1.2移動機器人路徑規(guī)劃概述
4.1.3移動機器人自動部署無線傳感器網(wǎng)絡概述
4.2基于隱形邊的移動機器人*大范圍定位
4.2.1無須隱形邊的無線傳感器網(wǎng)絡定位算法
4.2.2應用隱形邊的移動機器人*大范圍動態(tài)定位算法
4.2.3應用隱形邊的定位算法和三邊測量算法的擬合
4.3基于三角形和生成樹的移動機器人路徑規(guī)劃
4.3.1應用三角形和生成樹的路徑規(guī)劃算法
4.3.2實現(xiàn)冗余網(wǎng)絡覆蓋的漏洞修復算法
4.3.3虛擬網(wǎng)格的邊界穿越算法
4.4仿真實驗與結(jié)果分析
4.4.1應用隱形邊的*大范圍定位算法分析
4.4.2基于三角形和生成樹的路徑規(guī)劃算法分析
4.5本章小結(jié)
第5章基于公垂線中點質(zhì)心的移動機器人動態(tài)定位
5.1基于攝像機網(wǎng)絡的多攝像機聯(lián)合標定算法
5.1.1Harris角度檢測和提取算法
5.1.2多攝像機聯(lián)合標定的線性模型
5.1.3非奇異標定板部署
5.2基于改進公垂線中點質(zhì)心的移動機器人動態(tài)定位算法
5.2.1自適應背景混合模型
5.2.2公垂線中點質(zhì)心3D定位算法
5.2.3改進公垂線中點質(zhì)心3D定位算法
5.2.4實驗結(jié)果分析
5.3基于無線多媒體傳感器網(wǎng)絡的聯(lián)合同步機制
5.3.1分布式計算系統(tǒng)架構(gòu)
5.3.2API包封裝算法
5.3.3面向無線多媒體傳感器網(wǎng)絡的多攝像機聯(lián)合同步算法
5.3.4實驗數(shù)據(jù)分析
5.4本章小結(jié)
第6章基于遞推*小二乘的移動機器人動態(tài)定位
6.1基于無線多媒體傳感器的網(wǎng)絡架構(gòu)
6.1.1無線多媒體傳感器網(wǎng)絡的自組織網(wǎng)絡
6.1.2無線多媒體傳感器網(wǎng)絡的目標檢測算法
6.1.3無線多媒體傳感器網(wǎng)絡的定位系統(tǒng)硬件平臺
6.2基于遞推*小二乘的移動機器人動態(tài)定位算法
6.2.1面向畸變補償?shù)亩嘁暯锹?lián)合標定算法
6.2.2面向3D定位的*小二乘算法
6.2.3面向3D定位的遞推*小二乘算法
6.3基于無線多媒體傳感器網(wǎng)絡的定位誤差補償機制
6.3.1多視角3D定位誤差分析
6.3.2面向無線多媒體傳感器網(wǎng)絡的3D定位誤差補償算法
6.4實驗數(shù)據(jù)及分析
6.4.1多視角聯(lián)合標定實驗數(shù)據(jù)分析
6.4.2面向WMSN的移動機器人3D定位實驗數(shù)據(jù)分析
6.5本章小結(jié)
第7章基于卡爾曼濾波的時空正則化相關(guān)濾波器
7.1時空正則化相關(guān)濾波器
7.2基于卡爾曼濾波的時空正則化相關(guān)濾波器
7.2.1視覺跟蹤優(yōu)化問題
7.2.2KF和STRCF的整合
7.2.3步長控制方法
7.3實驗與分析
7.3.1框架參數(shù)
7.3.2OTB2013數(shù)據(jù)集
7.3.3OTB2015數(shù)據(jù)集
7.3.4TempleColor數(shù)據(jù)集
7.4本章小結(jié)
第8章面向高維數(shù)據(jù)的一維VGG深度學習網(wǎng)絡
8.1多準則決策的預處理方法
8.1.1預處理過程
8.1.2多準則決策優(yōu)化問題(MCDMOP)
8.2一維視覺幾何群網(wǎng)絡體系結(jié)構(gòu)
8.2.11D_VGGNet的體系結(jié)構(gòu)
8.2.2一維卷積層
8.2.3池化層
8.2.4全連接層
8.2.5訓練1D_VGGNet
8.3實驗與分析
8.3.1框架參數(shù)和數(shù)據(jù)集
8.3.21D_VGGNet的測試階段
8.3.31D_VGGNet的訓練階段
8.4本章小結(jié)
第9章總結(jié)與展望
9.1總結(jié)
9.2展望
參考文獻
展開全部
書友推薦
- >
李白與唐代文化
- >
名家?guī)阕x魯迅:故事新編
- >
朝聞道
- >
回憶愛瑪儂
- >
推拿
- >
山海經(jīng)
- >
有舍有得是人生
- >
史學評論
本類暢銷
