| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题的研究背景与意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·论文的框架结构和创新点 | 第15-17页 |
| ·框架结构 | 第15-16页 |
| ·创新点 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第2章 分布式智能养老系统的组织架构 | 第19-27页 |
| ·分布式融合系统 | 第19-20页 |
| ·分布式系统的平台设计 | 第20-22页 |
| ·智能养老系统的组织架构及功能 | 第22-24页 |
| ·组织架构 | 第22-23页 |
| ·系统的功能 | 第23-24页 |
| ·智能养老系统的关键技术 | 第24-26页 |
| ·智能网络视频监控 | 第24-25页 |
| ·智能移动机器人 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 系统中数据融合相关算法 | 第27-47页 |
| ·数据融合的基础理论 | 第27-32页 |
| ·数据融合系统的模型 | 第27-29页 |
| ·数据融合的分类 | 第29-32页 |
| ·数据融合技术的作用 | 第32页 |
| ·人工神经网络 | 第32-40页 |
| ·神经网络的基本神经元与特征 | 第34-35页 |
| ·神经网络的学习和训练 | 第35-36页 |
| ·神经网络在数据融合中的应用 | 第36-37页 |
| ·RBF 神经网络模型以及学习方法 | 第37-40页 |
| ·PSOA 算法 | 第40-43页 |
| ·基本的 PSO 算法 | 第41-42页 |
| ·PSOA | 第42-43页 |
| ·PSOA-RBF 算法的实验与仿真 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 数据融合算法在系统中的实现过程 | 第47-57页 |
| ·视频图像中的人体运动特征提取 | 第47-49页 |
| ·人体运动特征检测 | 第47-48页 |
| ·人体动作识别 | 第48-49页 |
| ·人体生命体征信息的提取 | 第49-55页 |
| ·多叉树算法的理论 | 第49-52页 |
| ·基于多叉树属性约简算法 | 第52-54页 |
| ·多叉树算法对人体生命体征信息的预处理 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第5章 PSOA-RBF 在分布式智能养老系统中的应用 | 第57-63页 |
| ·基于 PSOA-RBF 的数据融合过程 | 第57-58页 |
| ·融合实验结果 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 总结和展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |