| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 论文研究背景及意义 | 第11-13页 |
| 1.2 火灾探测研究历史和现状 | 第13-14页 |
| 1.3 论文研究内容 | 第14-16页 |
| 第2章 火灾探测原理和方法 | 第16-23页 |
| 2.1 火灾产生及发展过程 | 第16-18页 |
| 2.2 火灾物理特征参量 | 第18-19页 |
| 2.3 火灾探测方法 | 第19-22页 |
| 2.3.1 传统火灾探测方法 | 第19-21页 |
| 2.3.2 智能化火灾探测方法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 BP神经网络 | 第23-35页 |
| 3.1 人工神经元模型 | 第23-24页 |
| 3.2 神经网络结构和特点 | 第24-27页 |
| 3.3 BP神经网络 | 第27-34页 |
| 3.3.1 BP神经网络的结构 | 第27-28页 |
| 3.3.2 BP神经网络的标准学习过程 | 第28-32页 |
| 3.3.3 BP神经网络在应用中的问题 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 DS证据理论 | 第35-45页 |
| 4.1 DS证据理论基本概念 | 第35-41页 |
| 4.1.1 基本概率分配函数 | 第36-37页 |
| 4.1.2 信任函数和似然函数 | 第37-39页 |
| 4.1.3 合成规则 | 第39-41页 |
| 4.2 DS证据理论的优点 | 第41-42页 |
| 4.3 DS证据理论的缺点 | 第42-44页 |
| 4.3.1 基本概率分配函数的获得 | 第42页 |
| 4.3.2 证据之间的冲突 | 第42-44页 |
| 4.3.3 证据理论的其他问题 | 第44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于BP神经网络的DS证据理论模型在火灾探测中的应用 | 第45-62页 |
| 5.1 基于BP神经网络的DS证据理论模型描述 | 第45-47页 |
| 5.2 BP神经网络在火灾探测中的应用 | 第47-54页 |
| 5.2.1 火灾探测参量的选取 | 第47页 |
| 5.2.2 数据预处理 | 第47-48页 |
| 5.2.3 BP神经网络的确立 | 第48-52页 |
| 5.2.4 仿真结果 | 第52-54页 |
| 5.3 DS证据理论融合信息 | 第54-55页 |
| 5.4 判决策略 | 第55-61页 |
| 5.4.1 决策方法 | 第55-56页 |
| 5.4.2 DS证据理论改进 | 第56-60页 |
| 5.4.3 仿真结果 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结和展望 | 第62-65页 |
| 6.1 总结 | 第62-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间参加的科研项目和成果 | 第70页 |