摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 绪论 | 第9-15页 |
·课题研究的意义 | 第9页 |
·国内外发展现状 | 第9-12页 |
·煤矿安全监测系统发展现状 | 第9-10页 |
·数据挖掘发展现状 | 第10-11页 |
·信息融合发展现状 | 第11-12页 |
·CAN 总线在煤矿安全监测系统中的发展现状 | 第12页 |
·课题来源及论文主要内容 | 第12-13页 |
·课题的来源 | 第12页 |
·论文主要内容 | 第12-13页 |
·本文的结构安排 | 第13-15页 |
2 数据挖掘和信息融合技术研究 | 第15-26页 |
·数据挖掘技术 | 第15-16页 |
·数据挖掘概述 | 第15页 |
·数据挖掘常用的技术和方法 | 第15-16页 |
·粗糙集算法在数据挖掘中的应用 | 第16页 |
·信息融合技术 | 第16-22页 |
·信息融合的概念 | 第16-17页 |
·信息融合的方法 | 第17-18页 |
·多传感器信息融合的原理 | 第18页 |
·多传感器信息融合过程 | 第18-20页 |
·神经网络在信息融合中的应用 | 第20-21页 |
·证据理论在信息融合中的应用 | 第21-22页 |
·数据挖掘和信息融合的集成 | 第22-24页 |
·数据挖掘和信息融合在煤矿安全监测系统中的应用 | 第24-26页 |
3 粗糙集在煤矿安全监测系统中的应用研究 | 第26-36页 |
·粗糙集理论 | 第26-29页 |
·知识与分类 | 第26-27页 |
·粗糙集的不确定性度量 | 第27页 |
·属性约简 | 第27-28页 |
·规则提取 | 第28-29页 |
·粗糙集运算的主要 MATLAB 程序 | 第29-30页 |
·粗糙集理论在煤矿安全监测系统中的实现 | 第30-36页 |
·模型的建立 | 第30-32页 |
·粗糙集预处理 | 第32-36页 |
4 数据挖掘在煤矿安全监测系统中的应用研究 | 第36-50页 |
·粗糙集和神经网络集成方法研究 | 第36-37页 |
·粗糙集和神经网络集成的可行性 | 第36页 |
·粗糙集和神经网络常见的集成方法 | 第36-37页 |
·粗糙集神经网络算法在煤矿安全监测中的应用 | 第37-50页 |
·粗糙集神经网络结合算法的实现 | 第37-40页 |
·BP 神经网络的设计 | 第40-41页 |
·粗神经网络的构建 | 第41-45页 |
·仿真结果及其分析 | 第45-50页 |
5 信息融合在煤矿安全监测系统中的应用研究 | 第50-63页 |
·基于D-S 证据理论的煤矿安全信息决策 | 第50-55页 |
·D-S 证据理论合成法则 | 第50-51页 |
·D-S 证据理论的融合模型 | 第51页 |
·D-S 证据理论的决策方法 | 第51-52页 |
·D-S 证据理论在煤矿安全中的应用 | 第52-55页 |
·粗糙集-神经网络-证据理论融合算法的应用研究 | 第55-63页 |
·粗糙集-神经网络-证据理论相结合的可行性 | 第55-56页 |
·基于粗糙集-神经网络-证据理论的煤矿安全评估原理 | 第56-57页 |
·基于粗糙集-神经网络-证据理论的煤矿安全性评估算法 | 第57-58页 |
·基于粗糙集-神经网络-证据理论的煤矿安全性评估实现 | 第58-63页 |
6 CAN 总线在煤矿安全监测系统中的应用 | 第63-73页 |
·课题选用CAN 总线的原因与意义 | 第63-64页 |
·煤矿安全监测系统功能设计 | 第64-65页 |
·基于 CAN 总线的煤矿安全监测网络组成 | 第65-69页 |
·设备层的功能及实现 | 第67-69页 |
·控制层的功能及实现 | 第69页 |
·CAN 总线硬件电路设计 | 第69-73页 |
·CAN 总线硬件接口电路设计 | 第69-70页 |
·CAN 总线节点设计 | 第70-71页 |
·CAN 总线中继技术实现 | 第71-73页 |
7 总结与展望 | 第73-75页 |
·本文所做的工作 | 第73页 |
·创新性工作及目标 | 第73-74页 |
·尚待解决的问题 | 第74-75页 |
参考文献 | 第75-77页 |
致谢 | 第77-78页 |
攻读学位期间发表论文情况 | 第78-79页 |
附录A | 第79-80页 |
附录B | 第80-81页 |
附录C | 第81页 |