工业大数据融合体系结构与关键技术

本书针对工业领域的数据融合体系结构和关键技术进行研究。第1～2章介绍工业大数据的研究背景及现状，分析了工业4.0、智能工厂、工业无线传感器网络和传感器云领域现有的技术，提出了多源异构数据的统一描述和管理机制，设计了基于传感器云技术的工业无线传感器网络，实现了基于分布式云的数据感知和管理软件；第3～6章介绍大规模无线传感器网络的部署方案以及数据采集机制，研究制造网络的层次化结构，提出了工业过程数据的故障预测与质量预测模型，针对时间序列的模式异常检测提出了基于骨架的模式表示异常检测方法，针对时间序列的异常值检测提出了基于最近邻居集合的隔离型分布式异常值检测模型；第7章对全书内容进行总结并对未来进行展望。本书内容完备、逻辑严谨，理论知识与实际应用相结合，适合在相关领域开展研究的硕士、博士研究生以及其他科研工作者阅读参考。

高聪，男，1985年11月生，西安电子科技大学计算机科学与技术专业学士，计算机系统结构专业硕士、博士。2015年12月至今，在西安邮电大学计算机学院任教，主要研究方向：服务计算、网络与信息安全、数据感知与融合等。

前言
第1章 绪论
1.1 工业4.0
1.1.1 发展历程
1.1.2 设计原则
1.1.3 成熟度模型
1.2 信息物理系统
1.2.1 发展阶段
1.2.2 体系结构
1.2.3 关键技术
1.3 大数据
1.3.1 大数据的定义
1.3.2 大数据带来的挑战
1.3.3 大数据技术
1.3.4 大数据管理
第2章 工业无线传感器网络数据融合
2.1 引言
2.1.1 工业4.0与智能工厂
2.1.2 传感器云
2.1.3 工业无线传感器网络与传感器云
2.2 数据融合体系结构
2.2.1 多源异构数据的统一描述与管理机制
2.2.2 基于传感器技术的工业无线传感器网络
2.3 基于分布式云的数据感知与管理软件
2.3.1 功能描述
2.3.2 设计与实现
2.3.3 典型应用场景
2.3.4 运行环境及安装流程
2.3.5 使用说明
第3章 面向工业4.0的数据采集机制
3.1 引言
3.2 设施位置问题
3.2.1 设施位置问题概述
3.2.2 k中点问题
3.3 低开销的虚拟传感器管理机制
3.3.1 k资源调度器
3.3.2 渐进交换算法
3.3.3 贪心算法
3.3.4 RK算法
3.4 实验与分析
3.4.1 参数设置
3.4.2 结果与分析
第4章 工业过程数据的故障预测与质量预测
4.1 引言
4.2 相关工作与背景知识
4.3 基于高斯过程回归的预测模型
4.3.1 单步预测模型
4.3.2 基于时间序列的多步预测
4.3.3 基于高斯过程回归的基本模型和反馈模型
4.4 实验与分析
4.4.1 TE模拟平台
4.4.2 对比实验
4.4.3 评价指标
4.4.4 实验核函数构建
4.4.5 结果与分析
第5章 时间序列数据的模式异常检测
5.1 引言
5.2 相关工作
5.3 定义
5.4 骨架模式表示异常检测方法
5.4.1 基于可感知重要点的骨架表示
5.4.2 模式表示
5.4.3 基于骨架模式表示的异常检测
5.5 实验与分析
5.5.1 性能指标
5.5.2 针对合成数据集的实验
5.5.3 针对真实数据集的实验
第6章 时间序列数据的异常值检测
6.1 引言
6.2 异常值检测技术综述
6.2.1 常见的异常值检测技术
6.2.2 隔离森林
6.2.3 本地异常值因子
6.3 基于最近邻居集合的隔离方案
6.3.1 问题陈述
6.3.2 基于最近邻居集合的隔离
6.3.3 面向无线传感器网络的分布式检测模型
6.4 实验与分析
6.4.1 数据集
6.4.2 性能指标
6.4.3 结果与分析
第7章 总结与展望
参考文献
主要缩略语对照表