本书以实现仿真系统功能、掌握原理方法为目标，在传统系统仿真课程内容的基础上，增加了目前科研及学习中常用的数据挖掘及深度学习等决策方法，以及视觉图像处理的相关内容。本书包括9章，内容涉及MATLAB基础、Simulink仿真、控制系统仿真、MATLAB文件和数据访问、智能算法、数据挖掘、图像处理、深度学习和界面设计及嵌式仿真。本书内容和章节的设置基于当前控制系统与大数据决策方法融合日益广泛的现状与学习需求，强调理论与实践相结合，通过案例和习题等帮助读者理解并快速掌握控制理论、智能决策的基础方法、MATLAB/Simulink及Python等编程工具的使用，将人工智能等技术从抽象概念到编程实现展现在读者面前。本书适合作为高校自动化、电子工程、计算机及相关专业的教材，也适合作为从事系统仿真工作的技术人员的参考书。
售 价：¥
纸质售价：¥44.80购买纸书
6.5
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
第1章 MATLAB基础
1.1 MATLAB软件环境
1.1.1 MATLAB软件的安装
1.1.2 MATLAB软件的启动与退出
1.1.3 MATLAB软件的操作界面
1.1.4 MATLAB软件的基本操作
1.2 MATLAB工程计算
1.2.1 常量
1.2.2 变量
1.2.3 常用运算和基本函数
1.2.4 矩阵和运算
1.3 MATLAB编程基础
1.3.1 M文件
1.3.2 程序设计
1.4 MATLAB数据可视化
1.5 系统分析中常用的部分命令和函数
1.6 MATLAB其他相关工具
习题
第2章 Simulink仿真
2.1 Simulink仿真环境
2.1.1 Simulink软件的启动
2.1.2 Simulink通用模块库
2.1.3 Simulink专用模块库
2.2 Simulink仿真模型的建立
2.2.1 Simulink模块操作
2.2.2 Simulink信号操作
2.2.3 Simulink子系统
2.2.4 Simulink运行仿真
2.3 S函数的设计及应用
习题
第3章 控制系统仿真
3.1 线性控制系统模型
3.2 线性系统性能分析
3.2.1 时域分析
3.2.2 根轨迹法
3.2.3 频域分析
3.2.4 离散系统分析
3.2.5 状态空间
3.3 非线性控制系统仿真
3.3.1 典型非线性特性
3.3.2 小范围线性化法
3.3.3 相平面法
3.3.4 描述函数法
习题
第4章 MATLAB文件和数据访问
4.1 MATLAB常用文件操作
4.1.1 低级文件IO命令
4.1.2 高级文件IO命令
4.2 MATLAB与Microsoft Office的接口
4.2.1 MATLAB中Excel数据文件操作
4.2.2 MATLAB与Word的接口
4.2.3 MATLAB与PowerPoint的接口
4.3 访问数据库
4.4 图像视频数据处理
4.4.1 部分图像处理命令
4.4.2 部分视频处理命令
4.5 部分音频处理命令
4.6 MATLAB与Python混合编程
习题
第5章 智能算法
5.1 模糊控制及应用
5.1.1 模糊理论概述
5.1.2 模糊控制
5.1.3 模糊推理
5.1.4 基于Simulink的模糊控制器应用
5.1.5 模糊PID控制器设计
5.1.6 模糊PID控制器仿真
5.2 遗传算法
5.2.1 算法流程
5.2.2 算法案例
5.3 人工鱼群算法
5.3.1 算法描述
5.3.2 算法案例
习题
第6章 数据挖掘
6.1 数据挖掘基础
6.1.1 数据挖掘的基本概念
6.1.2 数据挖掘的步骤
6.1.3 数据挖掘的任务
6.2 分类
6.2.1 分类器性能评估
6.2.2 k近邻算法
6.3 聚类
6.3.1 聚类过程
6.3.2 k均值聚类算法
6.4 关联
6.4.1 关联规则简介
6.4.2 Apriori算法
习题
第7章 图像处理
7.1 图像处理基础
7.1.1 数字图像的基本概念
7.1.2 图像类型及转换
7.1.3 图像的读取和显示
7.2 图像变换
7.2.1 图像几何变换
7.2.2 图像形态学变换
7.3 图像增强
7.3.1 图像的点运算
7.3.2 图像空间域增强
7.3.3 图像频域增强
7.4 图像分割
7.4.1 边缘检测
7.4.2 直线检测
7.5 图像特征提取
7.6 彩色图像模型
7.6.1 面向硬件设备的彩色模型
7.6.2 面向视觉感知的彩色模型
习题
第8章 深度学习
8.1 深度学习的起源
8.1.1 人工智能
8.1.2 机器学习
8.1.3 深度学习概念
8.1.4 深度学习简史
8.2 神经网络与深度学习
8.2.1 神经元
8.2.2 神经网络分类
8.2.3 几种典型的神经网络模型
8.3 卷积神经网络及应用
8.3.1 卷积神经网络简史
8.3.2 架构
8.3.3 卷积层
8.3.4 池化层
8.3.5 全连接层
8.4 卷积神经网络实例
8.4.1 Python和MATLAB混合编程
8.4.2 Python训练及部署
习题
第9章 界面设计及嵌入式仿真
9.1 GUI设计
9.1.1 GUIDE设计工具
9.1.2 控件对象及属性
9.1.3 GUI设计案例
9.2 App设计
9.2.1 App Designer设计工具
9.2.2 App组件及属性
9.2.3 App类
9.2.4 App设计案例
9.3 嵌入式仿真
9.3.1 应用案例说明
9.3.2 树莓派嵌入式平台设计
9.3.3 塞氏盘临界位置识别
9.3.4 水尺读数系统设计
9.3.5 测试结果
习题
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
