123,123,123

內(nèi)容簡(jiǎn)介

　　《壓縮感知算法的快速處理及應(yīng)用研究》在借鑒現(xiàn)有成果的基礎(chǔ)上，圍繞壓縮感知方法及其應(yīng)用這個(gè)主題展開(kāi)研究，研究?jī)?nèi)容層層遞進(jìn)、研究深度步步深入：針對(duì)壓縮感知算法計(jì)算復(fù)雜度高、信號(hào)重構(gòu)時(shí)間長(zhǎng)的問(wèn)題，研究了算法的并行化、多核／眾核并行處理、云計(jì)算加速方法及快速壓縮感知算法的構(gòu)造；為拓展壓縮感知方法的應(yīng)用，提出把壓縮感知方法引入物聯(lián)網(wǎng)（InternetofThings，IoT）的數(shù)據(jù)采集和處理中，設(shè)計(jì)了基于物聯(lián)網(wǎng)資源的算法混合加速方案?！秹嚎s感知算法的快速處理及應(yīng)用研究》中的相關(guān)研究可以顯著降低采集數(shù)據(jù)的規(guī)模，提高數(shù)據(jù)處理的速度，有效地促進(jìn)當(dāng)前智慧城市、智能制造、“互聯(lián)網(wǎng)+”等工程的實(shí)施。

作者簡(jiǎn)介

　　張永平，1979年出生，副教授，2014年畢業(yè)于南京理工大學(xué)并獲得計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)博士學(xué)位，2014年6月到鹽城工學(xué)院信息學(xué)院工作，研究方向包括壓縮感知、大數(shù)據(jù)技術(shù)、物聯(lián)網(wǎng)數(shù)據(jù)采集等。近5年來(lái)，主持或主要參與國(guó)家基金項(xiàng)目、省科技廳項(xiàng)目、省教育廳項(xiàng)目共計(jì)6項(xiàng)，以作者在國(guó)內(nèi)外知名期刊發(fā)表論文10多篇（其中SCI／EI收錄6篇），以發(fā)明人申請(qǐng)發(fā)明專利5項(xiàng)（已授權(quán)2項(xiàng)），以發(fā)明人申請(qǐng)并授權(quán)軟件著作權(quán)1項(xiàng)。

圖書(shū)目錄

第1章緒論
1．1 研究背景
1．2 研究意義
1．3 壓縮感知的理論框架
1．4 壓縮感知算法及其重構(gòu)
1．5 壓縮感知研究現(xiàn)狀
1．6 主要研究?jī)?nèi)容
1．7 本書(shū)結(jié)構(gòu)安排
第2章相關(guān)技術(shù)基礎(chǔ)
2．1 并行處理及多核技術(shù)
2．2 云計(jì)算和大數(shù)據(jù)
2．3 Python
2．4 物聯(lián)網(wǎng)及其發(fā)展
2．5 本章小節(jié)
第3章并行壓縮感知算法及其加速研究
3．1 并行壓縮感知
3．2 CPU并行加速
3．3 GPU并行加速
3．4 本章小結(jié)
第4章壓縮感知算法的云加速研究
4．1 OpenStack 074·
4．2 云加速方案概述
4．3 云加速方案系統(tǒng)設(shè)計(jì)
4．4 算法遷移和循環(huán)并行化的設(shè)計(jì)
4．5 算法的改進(jìn)
4．6 云加速方案驗(yàn)證
4．7 本章小結(jié)
第5章一種分塊快速壓縮感知算法的設(shè)計(jì)與實(shí)現(xiàn)
5．1 OMP算法的不足及優(yōu)化
5．2 BFOMP算法設(shè)計(jì)
5．3 BFOMP算法驗(yàn)證
5．4 本章小結(jié)
第6章物聯(lián)網(wǎng)中壓縮感知方法的應(yīng)用研究
6．1 海量物聯(lián)數(shù)據(jù)的壓力
6．2 壓縮感知和物聯(lián)網(wǎng)
6．3 壓縮感知物聯(lián)網(wǎng)的應(yīng)用實(shí)例——感知城管系統(tǒng)
6．4 壓縮感知物聯(lián)網(wǎng)的應(yīng)用實(shí)例——在線財(cái)務(wù)系統(tǒng)
6．5 壓縮感知物聯(lián)網(wǎng)的未來(lái)研究展望
6．6 本章小結(jié)
第7章總結(jié)與展望
7．1 研究總結(jié)
7．2 下一步工作
參考文獻(xiàn)