| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现况及发展趋势 | 第12-15页 |
| 1.2.1 火灾检测国内外研究现况 | 第12-13页 |
| 1.2.2 多传感器技术在火灾检测应用现况 | 第13-14页 |
| 1.2.3 火灾检测的发展趋势 | 第14-15页 |
| 1.3 目前火灾检测研究中存在的问题 | 第15-16页 |
| 1.4 论文研究内容及创新点 | 第16-17页 |
| 1.5 论文结构安排 | 第17-19页 |
| 第2章 火灾探测原理和方法 | 第19-30页 |
| 2.1 火灾产生及发展过程 | 第19-20页 |
| 2.2 火灾物理特征参量 | 第20页 |
| 2.3 火灾信号的特征与检测原理 | 第20-22页 |
| 2.4 火灾检测算法 | 第22-29页 |
| 2.4.1 传统火灾检测方法 | 第22-24页 |
| 2.4.2 智能化火灾探测方法 | 第24-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于代价敏感极限学习机的火灾检测 | 第30-43页 |
| 3.1 极限学习机的基本原理 | 第30-32页 |
| 3.2 基于代价敏感极限学习机的火灾检测 | 第32-34页 |
| 3.2.1 火灾误分类代价概述 | 第32-33页 |
| 3.2.2 代价敏感极限学习 | 第33-34页 |
| 3.3 火灾检测实验分析 | 第34-41页 |
| 3.3.1 燃烧物数据采集平台搭建 | 第35-36页 |
| 3.3.2 数据预处理 | 第36-38页 |
| 3.3.3 C-ELM火灾检测算法分析 | 第38-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于DS证据理论和极限学习机的火灾燃烧物种类识别 | 第43-59页 |
| 4.1 问题分析 | 第43-44页 |
| 4.2 基于DS证据理论和极限学习机的燃烧物识别模型 | 第44-48页 |
| 4.2.1 DS证据理论原理 | 第44-46页 |
| 4.2.2 DS-ELM火灾燃烧物识别模型 | 第46-48页 |
| 4.3 火灾燃烧物识别实验分析 | 第48-57页 |
| 4.3.1 燃烧物数据采集平台搭建 | 第48-49页 |
| 4.3.2 燃烧物识别可能性分析 | 第49-50页 |
| 4.3.3 隐含层节点数对ELM算法性能分析 | 第50-52页 |
| 4.3.4 DS-ELM燃烧识别算法性能分析 | 第52-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 总结和展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |