第1章 第四次工业革命
1.1 引言
1.1.1 工业
1.1.2 工业物联网
1.1.3 其他国际战略
1.2 行业智能化
1.2.1 在组件级别上
1.2.2 在机器级别上
1.2.3 在生产级别上
1.2.4 在分销级别上
1.3 智能行业中机器学习的挑战和机遇
1.3.1 对业务的影响
1.3.2 对技术的影响
1.3.3 对人的影响
1.4 小结
第2章 机器学习
2.1 概述
2.2 基本统计
2.2.1 描述性统计
2.2.2 推理
2.3 聚类
2.3.1 层次聚类
2.3.2 k均值算法
2.3.3 谱聚类
2.3.4 近邻传播
2.3.5 概率聚类
2.4 监督分类
2.4.1 模型性能评价
2.4.2 特征子集选择
2.4.3 k近邻
2.4.4 分类树
2.4.5 规则归纳
2.4.6 人工神经网络
2.4.7 支持向量机
2.4.8 逻辑回归
2.4.9 贝叶斯网络分类器
2.4.10 元分类器
2.5 贝叶斯网络
2.5.1 贝叶斯网络的基本原理
2.5.2 贝叶斯网络推理
2.5.3 从数据中学习贝叶斯网络
2.6 利用贝叶斯网络对动态场景建模
2.6.1 数据流
2.6.2 动态、时间和连续时间贝叶斯网络
2.6.3 隐马尔可夫模型
2.7 机器学习工具
2.8 机器学习的前沿信息
第3章 机器学习在行业中的应用
3.1 能源领域
3.1.1 石油
3.1.2 天然气
3.2 基础材料领域
3.2.1 化学品
3.2.2 基础资源
3.3 工业领域
3.3.1 建筑和材料
3.3.2 工业产品和服务
3.4 消费服务行业
3.4.1 零售业
3.4.2 媒体
3.4.3 旅游业
3.5 健康服务行业
3.5.1 癌症
3.5.2 神经科学
3.5.3 心血管疾病
3.5.4 糖尿病
3.5.5 肥胖症
3.5.6 生物信息学
3.6 消费品行业
3.6.1 车辆
3.6.2 食品和饮料
3.6.3 个人用品和住宅建筑
3.7 通信行业
3.7.1 网络分析软件
3.7.2 数据传输
3.8 公用事业行业
3.8.1 公用事业发电
3.8.2 公共资源分配
3.9 金融服务行业
3.9.1 以客户为中心的应用
3.9.2 以运营为中心的应用
3.9.3 交易和投资组合管理应用
3.9.4 守规和监管应用
3.10 信息技术行业
3.10.1 硬件和半导体
3.10.2 软件
3.10.3 数据中心管理
3.10.4 网络安全
第4章 组件级案例研究：轴承剩余使用寿命预测
4.1 概述
4.2 滚珠轴承预测
4.2.1 数据驱动技术
4.2.2 PRONOSTIA测试平台
4.3 振动信号的特征提取
4.4 基于隐马尔可夫模型的RUL估计
4.5 结果分析
4.5.1 RUL结果
4.5.2 退化模型的解释
4.6 结论和未来研究
4.6.1 结论
4.6.2 未来研究
第5章 机器级案例研究：工业电机指纹
5.1 概述
5.2 工业电机指纹性能
5.2.1 改进指纹的可靠性模型
5.2.2 工业物联网联盟测试台
5.2.3 测试台数据集的描述
5.3 指纹识别的聚类算法
5.3.1 凝聚层次聚类算法
5.3.2 k均值算法
5.3.3 谱聚类算法
5.3.4 近邻传播算法
5.3.5 高斯混合模型算法
5.3.6 实现细节
5.4 实验结果与讨论
5.5 结论与研究展望
5.5.1 结论
5.5.2 研究展望
第6章 生产级案例研究：激光自动视觉检测
6.1 概述
6.2 激光表面热处理
6.2.1 图像采集
6.2.2 响应时间要求
6.3 基于异常检测的自动视觉检测系统
6.3.1 图像处理中的异常检测算法
6.3.2 提出的方法
6.4 结果和讨论
6.4.1 自动视觉检测系统的性能
6.4.2 正常模型的解释
6.5 结论和研究方向
6.5.1 结论
6.5.2 研究方向
第7章 分销级案例研究：空运延误预测
7.1 概述
7.2 空运过程
7.2.1 空运过程概述
7.2.2 数据预处理
7.3 预测延误的监督分类算法
7.3.1 k近邻
7.3.2 分类树
7.3.3 规则归纳
7.3.4 人工神经网络
7.3.5 支持向量机
7.3.6 逻辑回归
7.3.7 贝叶斯网络分类器
7.3.8 元分类器
7.3.9 分类算法的实施细节
7.4 结果分析
7.4.1 分类器比较
7.4.2 分类器的定量比较
7.4.3 分类器的定性比较
7.4.4 特征子集选择
7.5 结论和未来研究
7.5.1 结论
7.5.2 未来研究
参考文献
索引
彩色插图
展开
