基于熵的CPS中传感器和网络数据预处理研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究工作和意义 | 第13-14页 |
| 1.2.1 CPS概述 | 第13页 |
| 1.2.2 数据预处理 | 第13-14页 |
| 1.3 研究内容与组织结构 | 第14-16页 |
| 第二章 CPS和信息熵的基础理论 | 第16-34页 |
| 2.1 CPS系统简介 | 第16-18页 |
| 2.1.1 CPS系统的主要特征 | 第16-17页 |
| 2.1.2 CPS系统的发展 | 第17页 |
| 2.1.3 CPS挑战与机遇 | 第17-18页 |
| 2.2 CPS系统与相关技术的结合 | 第18-20页 |
| 2.2.1 CPS与物联网 | 第18-19页 |
| 2.2.2 CPS与网络 | 第19页 |
| 2.2.3 CPS与传感器 | 第19-20页 |
| 2.3 CPS系统环境下的数据预处理 | 第20-23页 |
| 2.3.1 CPS系统中数据的主要特征 | 第20-21页 |
| 2.3.2 CPS系统中传感器数据预处理的方法 | 第21-22页 |
| 2.3.3 CPS系统中网络数据预处理的方法 | 第22-23页 |
| 2.4 基于CPS的监控系统 | 第23-24页 |
| 2.5 信息熵的相关性质和定义 | 第24-31页 |
| 2.5.1 熵的定义 | 第24-26页 |
| 2.5.2 熵的极大值定理 | 第26-27页 |
| 2.5.3 凸函数性质 | 第27-28页 |
| 2.5.4 熵的类别 | 第28-30页 |
| 2.5.5 互信息 | 第30页 |
| 2.5.6 自信息 | 第30-31页 |
| 2.6 本章小结 | 第31-34页 |
| 第三章 基于CPS下信息熵的数据分类模型 | 第34-38页 |
| 3.1 引言 | 第34页 |
| 3.2 观测模型 | 第34-36页 |
| 3.2.1 监控场景 | 第34-35页 |
| 3.2.2 数据表现形式 | 第35-36页 |
| 3.3 数据分类模型 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于CPS下信息熵的数据发送 | 第38-48页 |
| 4.1 引言 | 第38-39页 |
| 4.2 CPS中信息熵的相关定义 | 第39-40页 |
| 4.3 CPS中信息熵阈值的设定 | 第40-42页 |
| 4.3.1 静态复杂度的设定 | 第40-41页 |
| 4.3.2 动态复杂度的设定 | 第41页 |
| 4.3.3 信息熵阈值的设定 | 第41-42页 |
| 4.4 CPS下信息熵高数据的发送 | 第42页 |
| 4.5 实验分析 | 第42-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第五章 基于CPS下信息熵的数据补齐 | 第48-64页 |
| 5.1 引言 | 第48-49页 |
| 5.2 卡尔曼滤波 | 第49-50页 |
| 5.3 IMM算法 | 第50-51页 |
| 5.4 CPS下基于IMM算法的信息熵低数据补齐 | 第51-55页 |
| 5.4.1 模型构建 | 第51-53页 |
| 5.4.2 算法描述 | 第53-55页 |
| 5.5 实验和结果分析 | 第55-59页 |
| 5.6 CPS下信息熵低数据压缩后的发送 | 第59-62页 |
| 5.6.1 数据压缩 | 第59-60页 |
| 5.6.2 数据模型 | 第60页 |
| 5.6.3 概率模型 | 第60-61页 |
| 5.6.4 LZ4压缩算法 | 第61页 |
| 5.6.5 改进后的LZ4压缩算法测试与分析 | 第61-62页 |
| 5.7 基于熵的动态优化方法 | 第62-63页 |
| 5.8 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-68页 |
| 6.1 论文总结 | 第64-65页 |
| 6.2 下一步工作 | 第65-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A 攻读学位期间的科研成果 | 第74页 |
