边缘计算驱动的工业大数据分析——理论、技术及应用

第1章 工业大数据1．1 工业4．01．1．1 发展历程1．1．2 设计原则1．1．3 成熟度模型1．1．4 智能工厂1．1．5 三类集成1．1．6 工业无线传感器网络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 大数据的来源1．3．3 大数据的类型1．3．4 大数据带来的挑战1．3．5 大数据技术1．3．6 大数据管理本章小结第2章 边缘计算的发展与挑战2．1 边缘计算的萌芽2．2 边缘计算概述2．2．1 边缘计算与传统云计算的区别2．2．2 边缘计算的整体架构2．2．3 边缘计算的独特优势2．3 边缘计算的典型应用场景2．3．1 5G与边缘计算2．3．2 工业物联网2．3．3 车联网与智慧交通2．3．4 智慧生活2．3．5 虚拟现实/增强现实2．4 边缘计算的关键技术2．4．1 核心技术问题2．4．2 关键技术及发展趋势2．5 边缘计算面临的挑战2．5．1 技术挑战2．5．2 标准与法律法规2．5．3 评价体系与反馈机制本章小结第3章 面向无线传感器网络的边缘数据采集3．1 智能工厂中数据的纵向流动3．2 基于传感器云的数据采集与传输3．3 统一的数据描述与管理框架3．3．1 度量类型3．3．2 数据描述和管理3．4 网络连通性的初步模型3．4．1 连通性模型3．4．2 一维网络连通性3．5 两跳多汇聚路由机制3．5．1 二维网络连通性3．5．2 汇聚节点网络中的r-Kruskal算法3．5．3 两跳路由3．6 模型验证与分析3．6．1 性能指标3．6．2 数值结果与分析本章小结第4章 基于支持向量机的移动边云协同数据异常值检测4．1 传感器数据异常的原因4．2 无线传感器网络数据异常值检测技术4．2．1 基于统计的方法4．2．2 基于聚类的方法4．2．3 基于分类的方法4．2．4 基于谱分解的方法4．2．5 基于*近邻的方法4．2．6 其他方法4．3 移动边云协同数据异常值检测概述4．4 移动边云协同异常值检测方案4．4．1 传统的异常值检测模型……第5章 基于局部敏感哈希的分布式边缘数据异常值检测第6章 基于特征表示的边云协同数据模式异常检测第7章 面向移动边缘计算的服务质量数据预测第8章 未来世界工业发展方向展望参考文献