科技 类型
可以朗读 语音朗读
136千字 字数
2022-08-01 发行日期
展开全部

主编推荐语

本书全面介绍工业大数据分析方法，内容覆盖基本概念、理论方法和实践应用。

内容简介

全书共分为七章。

数据基本概念篇（第1章），从工业大数据定义、特性分析、分析流程，阐述工业大数据基本概念。

理论方法篇（第2~6章），以数据预处理、关联分析、分类分析、聚类分析、预测性分析为主体内容，介绍主流数据分析方法。

应用篇（第7~9章），选取三个应用场景，介绍如何通过数据分析，实现工业场景的优化，以业务场景为导向展示数据分析过程和技巧。

目录

  • 版权信息
  • 内容简介
  • 工业智能与工业大数据系列编委会
  • 前言
  • 第1章 绪论
  • 1.1 从开普勒三大定律的发现谈起
  • 1.2 工业大数据的内涵
  • 1.2.1 工业大数据的背景
  • 1.2.2 工业大数据的定义
  • 1.2.3 工业大数据的特性
  • 1.2.4 大数据驱动的智能制造科学范式
  • 1.3 工业大数据分析的流程、平台及应用
  • 1.3.1 工业大数据分析的基本流程
  • 1.3.2 大数据平台
  • 1.3.3 工业大数据分析的应用场景
  • 1.4 工业大数据带来的思维变革
  • 1.4.1 从抽样到全局数据分析
  • 1.4.2 从因果建模到关联分析
  • 1.4.3 从精确求解到近似推演
  • 1.4.4 从数据的量变到分析的质变
  • 1.4.5 多来源数据协同处理
  • 1.4.6 强实时数据分析
  • 1.5 本书主要内容与章节安排
  • 参考文献
  • 第2章 工业大数据融合处理方法：从抽样到全局
  • 2.1 引言
  • 2.2 从局部样本到全体数据
  • 2.3 工业大数据的类型
  • 2.3.1 按照制造业务流程划分
  • 2.3.2 按照存储结构划分
  • 2.4 工业大数据特征的描述方法
  • 2.4.1 数据集中趋势度量
  • 2.4.2 数据离散趋势度量
  • 2.4.3 数据的分布形态：偏态与峰度
  • 2.5 工业大数据融合处理的典型方法
  • 2.5.1 基于过滤规则多级组合的多源数据导入与清洗方法
  • 2.5.2 基于元对象框架的异构数据统一建模与数据抽取融合方法
  • 2.5.3 基于字典学习的高维数据多尺度分类查询方法
  • 2.5.4 基于稀疏自动编码器的数据降维方法
  • 2.5.5 基于径向基神经网络的数据去冗余方法
  • 2.6 本章小结
  • 参考文献
  • 第3章 工业大数据关联分析方法：从因果到关联
  • 3.1 引言
  • 3.2 数据关联分析方法
  • 3.2.1 基于信息熵的关联关系度量方法
  • 3.2.2 基于频繁项集的关联关系度量方法
  • 3.2.3 基于Granger因果分析的关联关系度量方法
  • 3.2.4 基于复杂网络的关系解耦方法
  • 3.3 工业大数据关联分析案例
  • 3.3.1 晶圆工期关键参数识别方法
  • 3.3.2 柴油发动机功率一致性关键参数识别方法
  • 3.4 本章小结
  • 参考文献
  • 第4章 工业大数据预测方法：从精确求解到近似推演
  • 4.1 引言
  • 4.2 大数据预测任务
  • 4.1.1 时序预测任务
  • 4.1.2 因果预测任务
  • 4.2 工业大数据预测方法
  • 4.2.1 浅层机器学习预测方法
  • 4.2.2 深度学习预测方法
  • 4.3 工业大数据预测案例
  • 4.3.1 石油化工泵的故障预测
  • 4.3.2 晶圆工期预测方法
  • 4.4 本章小结
  • 参考文献
  • 第5章 不平衡工业大数据分析方法：从量变到质变
  • 5.1 引言
  • 5.2 大数据的不平衡性学习问题
  • 5.2.1 大数据的不平衡性
  • 5.2.2 不平衡学习问题分类
  • 5.2.3 不平衡学习的效果评价准则
  • 5.3 不平衡学习方法
  • 5.3.1 基于采样的不平衡学习方法
  • 5.3.2 基于代价敏感的不平衡学习方法
  • 5.3.4 基于主动学习的不平衡学习方法
  • 5.4 不平衡学习方法在智能制造中的典型应用
  • 5.4.1 不平衡数据下的晶圆图缺陷模式识别
  • 5.4.2 空气舵三维点云非等效分割方法
  • 5.5 本章小结
  • 参考文献
  • 第6章 多源工业大数据融合技术：从数据孤岛到多源融合
  • 6.1 引言
  • 6.2 制造大数据来源分析
  • 6.2.1 设计大数据
  • 6.2.2 生产大数据
  • 6.2.3 营销大数据
  • 6.2.4 运维大数据
  • 6.3 多源工业大数据的融合问题
  • 6.3.1 问题描述
  • 6.3.2 难点分析
  • 6.3.3 技术要求
  • 6.4 多源工业大数据融合技术
  • 6.4.1 基于任务流图的多源工业大数据融合任务建模技术
  • 6.4.2 基于雾计算的多源工业大数据融合技术
  • 6.4.3 基于密码学的多源工业大数据传输技术
  • 6.4.4 基于区块链的多源工业数据融合技术
  • 6.5 智能制造应用案例
  • 6.5.1 问题描述
  • 6.5.2 多源数据驱动的飞机装配位姿分析
  • 6.6 本章小结
  • 参考文献
  • 第7章 “边缘-云”模式的工业大数据分析技术：从云计算到边云融合
  • 7.1 引言
  • 7.2 制造过程中的工业大数据分析需求
  • 7.3 “边缘-云”融合的工业大数据分析模型
  • 7.3.1 “边缘-云”融合的大数据分析模型架构
  • 7.3.2 云计算技术
  • 7.3.3 边缘计算技术
  • 7.3.4 流数据处理技术
  • 7.3.5 内存计算技术
  • 7.4 基于“边缘-云”模式的面料疵点检测技术
  • 7.4.1 面料疵点检测需求分析
  • 7.4.2 “边缘-云”协同的面料疵点检测
  • 参考文献
  • 后记 ——方兴未艾的大数据科学
  • 反侵权盗版声明
展开全部

评分及书评

评分不足
2个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。