基于数据融合的餐饮油烟浓度实时监测系统设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 餐饮油烟浓度监测系统的研究现状 | 第9-11页 |
| 1.3 本论文组织架构及内容 | 第11-12页 |
| 1.4 本论文创新点 | 第12页 |
| 1.5 本章小结 | 第12-14页 |
| 第二章 数据融合概述 | 第14-28页 |
| 2.1 数据融合概念 | 第14页 |
| 2.2 数据融合算法 | 第14-26页 |
| 2.2.1 随机算法 | 第15-19页 |
| 2.2.2 人工智能算法 | 第19-26页 |
| 2.3 各类算法比较 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于数据融合的油烟浓度实时监测系统 | 第28-41页 |
| 3.1 系统设计框架 | 第28-29页 |
| 3.2 系统硬件设计 | 第29-32页 |
| 3.2.1 初始数据流模块 | 第29-30页 |
| 3.2.2 分支数据流模块 | 第30-32页 |
| 3.2.3 前述数据流整体 | 第32页 |
| 3.3 系统软件设计 | 第32-40页 |
| 3.3.1 系统流程图 | 第32-34页 |
| 3.3.2 关键算法实现 | 第34-39页 |
| 3.3.3 其他模块介绍 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 系统测试及分析 | 第41-59页 |
| 4.1 系统测试范围 | 第41-42页 |
| 4.1.1 测试点选取 | 第41页 |
| 4.1.2 测试环境及安置位置 | 第41页 |
| 4.1.3 测试注意事项 | 第41-42页 |
| 4.2 数据采集更新 | 第42页 |
| 4.3 数据融合及分析 | 第42-58页 |
| 4.3.1 原始数据与标准数据比较 | 第42-44页 |
| 4.3.2 D-S证据理论法 | 第44-45页 |
| 4.3.3 快速数据地图定位法 | 第45-49页 |
| 4.3.4 人工神经网络——BP | 第49-53页 |
| 4.3.5 人工神经网络——SVM | 第53-55页 |
| 4.3.6 融合方法效果对比 | 第55-56页 |
| 4.3.7 信息源数量选取说明 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结及展望 | 第59-61页 |
| 5.1 成果总结 | 第59-60页 |
| 5.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |
