拟人多信息融合方法的研究和应用
摘要 | 第1-6页 |
ABSTRACT | 第6-15页 |
绪论 | 第15-17页 |
第一章 拟人的多信息融合 | 第17-24页 |
·信息融合的研究现状与发展趋势 | 第17-19页 |
·研究状况 | 第17-18页 |
·发展趋势 | 第18-19页 |
·信息融合的基本原理和定义 | 第19-20页 |
·信息融合的基本原理 | 第19页 |
·信息融合的定义 | 第19-20页 |
·信息融合的层次结构与分类 | 第20-21页 |
·数据级融合 | 第20-21页 |
·特征级融合 | 第21页 |
·决策级信息融合 | 第21页 |
·信息融合的实现算法 | 第21-24页 |
·传统数学理论方法 | 第22页 |
·人工智能的方法 | 第22-24页 |
第二章 人工神经元网络 | 第24-37页 |
·人工神经网络的理论基础 | 第24-28页 |
·生物神经元 | 第24-25页 |
·人工神经元模型 | 第25-26页 |
·人工神经网络模型 | 第26-27页 |
·人工神经元网络的学习模式 | 第27-28页 |
·BP神经网络 | 第28-35页 |
·BP神经网络模型 | 第28-29页 |
·BP神经网络参数 | 第29页 |
·误差逆传播校正方法 | 第29-33页 |
·BP算法的描述 | 第33-35页 |
·BP神经网络信息融合方法的步骤和特点 | 第35-37页 |
·BP神经网络信息融合方法的步骤 | 第35页 |
·BP神经网络信息融合方法的特点 | 第35-37页 |
第三章 粗糙集理论 | 第37-42页 |
·粗糙集理论简介 | 第37-38页 |
·粗糙集的相关概念 | 第37-38页 |
·粗糙集的知识表达系统及其相关概念 | 第38页 |
·信息系统的属性约简 | 第38-41页 |
·属性的重要性与依赖度 | 第38页 |
·属性约简的方法 | 第38-41页 |
·基于粗糙集的信息融合及其特点 | 第41-42页 |
·基于粗糙集的信息融合的步骤 | 第41页 |
·基于粗糙集的信息融合的特点 | 第41-42页 |
第四章 拟人多信息融合的思想及其在机器人中的实现 | 第42-56页 |
·拟人的多信息融合总体设计 | 第42-44页 |
·拟人的多信息融合的总体思路 | 第42-43页 |
·拟人的多信息融合算法的选定 | 第43页 |
·拟人的多信息融合应用实例的选定 | 第43-44页 |
·智能移动机器人简介 | 第44-46页 |
·智能移动机器人概要介绍 | 第44页 |
·智能移动机器人平台外观说明 | 第44-45页 |
·机器人避障中的两类传感器 | 第45-46页 |
·智能移动机器人控制体系 | 第46-50页 |
·机器人的硬件体系结构 | 第46页 |
·机器人的软件体系结构 | 第46-48页 |
·信息融合在移动机器人避障中的软件实现 | 第48-50页 |
·信息融合在移动机器人中的应用 | 第50-54页 |
·实验目标与环境设计 | 第50-51页 |
·超声传感器和红外传感器信息的数据级融合 | 第51-52页 |
·逻辑判断的决策级信息融合在避障中的应用 | 第52-53页 |
·神经网络的决策级信息融合在避障中的应用 | 第53-54页 |
·实验结论与展望 | 第54-56页 |
·实验结果 | 第54-55页 |
·结果分析及展望 | 第55-56页 |
第五章 拟人多信息融合在煤矿安全信息中的应用 | 第56-63页 |
·煤矿安全的相关知识 | 第56-57页 |
·我国煤矿安全现状 | 第56页 |
·煤矿瓦斯危险及其相关因素 | 第56-57页 |
·煤矿瓦斯安全评价 | 第57页 |
·煤矿安全数据的预处理 | 第57-59页 |
·煤矿安全数据的采集和特征提取 | 第57-58页 |
·决策信息表的离散化 | 第58-59页 |
·基于粗糙集和神经网络的煤矿安全信息的融合 | 第59-61页 |
·算法融合的基本思想 | 第59-60页 |
·神经网络信息融合 | 第60页 |
·结合粗糙集的神经网络信息融合 | 第60-61页 |
·实验结论与分析 | 第61-63页 |
·实验结果 | 第61-62页 |
·结果分析及展望 | 第62-63页 |
第六章 结论 | 第63-65页 |
·论文的主要工作 | 第63页 |
·下一步的工作及展望 | 第63-65页 |
参考文献 | 第65-67页 |
致谢 | 第67-68页 |
研究成果及发表的学术论文 | 第68-69页 |
作者和导师简介 | 第69-70页 |
硕士研究生学位论文答辩委员会决议书 | 第70-71页 |