| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 室内火灾定位方法国内外研究现状 | 第11-14页 |
| 1.2.1 当前室内火灾定位方法的优点,缺点分析 | 第12-14页 |
| 1.2.2 室内火灾定位方法未来研究方向 | 第14页 |
| 1.3 本文的主要内容及章节安排 | 第14-16页 |
| 第2章 相关基础知识介绍 | 第16-24页 |
| 2.1 大空间仓库火灾特点 | 第16-17页 |
| 2.1.1 室内火灾的发展 | 第16-17页 |
| 2.1.2 室内火灾的类型 | 第17页 |
| 2.1.3 火灾模型的建立 | 第17页 |
| 2.2 本文所用基础数学理论 | 第17-23页 |
| 2.2.1 非线性滤波理论 | 第18页 |
| 2.2.2 粒子滤波 | 第18-20页 |
| 2.2.3 K-means聚类算法 | 第20-21页 |
| 2.2.4 极限学习机 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 无风环境下室内火灾源点定位算法 | 第24-34页 |
| 3.1 基于湍流扩散理论的静态烟羽模型 | 第24-26页 |
| 3.2 基于火灾烟气浓度加权最小二乘多边定位算法 | 第26-27页 |
| 3.3 基于K-means聚类法的最近邻区域选取算法 | 第27-29页 |
| 3.4 仿真研究 | 第29-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 有风环境下室内火灾源点定位算法 | 第34-44页 |
| 4.1 有风环境下对扩散模型的影响 | 第34-36页 |
| 4.2 基于粒子滤波的火源点定位算法 | 第36-39页 |
| 4.3 仿真研究 | 第39-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 基于深度学习的未知模型火灾定位算法 | 第44-53页 |
| 5.1 基于深度自编码器的数据压缩降维 | 第45-48页 |
| 5.1.1 受限玻尔兹曼机 | 第45-46页 |
| 5.1.2 自编码器 | 第46-47页 |
| 5.1.3 深度自编码器 | 第47-48页 |
| 5.2 基于深度自编码的极限学习机 | 第48-49页 |
| 5.3 仿真研究 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |