基于物联网的森林火险预警研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·物联网的发展现状 | 第12-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 2 物联网概述 | 第17-29页 |
| ·物联网的概念 | 第17页 |
| ·物联网与 CPS | 第17-19页 |
| ·物联网的体系结构 | 第19-21页 |
| ·感知层 | 第19页 |
| ·网络层 | 第19-20页 |
| ·应用层 | 第20-21页 |
| ·物联网的关键技术介绍 | 第21-27页 |
| ·射频识别 | 第21-22页 |
| ·EPC | 第22页 |
| ·传感器 | 第22-23页 |
| ·中间件 | 第23-24页 |
| ·IPv6 | 第24-25页 |
| ·异构网络融合 | 第25页 |
| ·网络安全与标准 | 第25-26页 |
| ·云计算 | 第26-27页 |
| ·应用领域示范系统 | 第27页 |
| ·物联网的应用 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于物联网的森林火险预警方案设计 | 第29-37页 |
| ·基于物联网的森林火险预警系统描述 | 第29-31页 |
| ·数据处理流程 | 第31-33页 |
| ·传感层的数据预处理 | 第31-32页 |
| ·应用层的决策支持 | 第32-33页 |
| ·基于 FOCUSS 的自适应去噪声学习算法 | 第33-35页 |
| ·问题描述 | 第33-34页 |
| ·具体算法 | 第34-35页 |
| ·气象要素因子的取值策略 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 径向基函数神经网络的研究分析 | 第37-48页 |
| ·人工神经网络概述 | 第37-39页 |
| ·径向基函数神经网络的模型介绍 | 第39-41页 |
| ·径向基函数神经网络的学习算法 | 第41-47页 |
| ·k -均值算法 | 第41-43页 |
| ·遗传训练算法(GARBF) | 第43-45页 |
| ·梯度训练算法(GRBF) | 第45-46页 |
| ·线性最小二乘训练算法(OLSRBF) | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 一种双隐层 RBF 神经网络算法的提出 | 第48-59页 |
| ·双隐层 RBF 神经网络的模型结构 | 第48-49页 |
| ·DRBF 神经网络学习算法 | 第49-53页 |
| ·DRBF 神经网络的初始化 | 第49页 |
| ·隐节点动态增加策略 | 第49-50页 |
| ·隐节点动态删除策略 | 第50-51页 |
| ·算法流程 | 第51-53页 |
| ·对比实验分析与总结 | 第53-58页 |
| ·实验运行环境 | 第53页 |
| ·非线性函数逼近 | 第53-56页 |
| ·电信企业客户流失分类 | 第56-58页 |
| ·实验对比总结 | 第58页 |
| ·本章小结 | 第58-59页 |
| 6 基于物联网的森林火险预警的实验仿真 | 第59-65页 |
| ·实验说明及结论分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间的研究成果 | 第70页 |
