| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的背景和意义 | 第10-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 论文的组织结构 | 第12-14页 |
| 第2章 研究基础 | 第14-22页 |
| 2.1 环境感知 | 第14-16页 |
| 2.2 信息融合 | 第16-17页 |
| 2.3 BP神经网络 | 第17-19页 |
| 2.4 动态贝叶斯网络 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 面向物联网应用的环境变化事件感知 | 第22-36页 |
| 3.1 面向物联网应用的环境感知问题 | 第22-26页 |
| 3.1.1 研究背景 | 第22-24页 |
| 3.1.2 环境变化感知问题描述 | 第24-26页 |
| 3.2 面向物联网应用的环境变化感知过程 | 第26-28页 |
| 3.3 环境状态特征提取 | 第28-30页 |
| 3.3.1 环境状态指标计算 | 第29页 |
| 3.3.2 环境状态数据序列生成 | 第29-30页 |
| 3.4 面向物联网应用的环境信息融合 | 第30-35页 |
| 3.4.1 环境变化事件分类感知 | 第30-32页 |
| 3.4.2 导致单环境指标变化的环境变化事件的感知过程 | 第32-33页 |
| 3.4.3 导致多环境指标变化的环境变化事件的感知过程 | 第33页 |
| 3.4.4 导致多环境指标变化的复合环境变化事件的感知过程 | 第33-35页 |
| 3.5 小结 | 第35-36页 |
| 第4章 导致多环境指标变化的环境变化事件感知方法 | 第36-50页 |
| 4.1 导致多环境指标变化的环境变化事件特点分析 | 第36-38页 |
| 4.2 基于BP神经网络的环境变化事件感知模型的建立 | 第38-43页 |
| 4.2.1 面向环境变化事件感知的BP神经网络结构设计 | 第39-40页 |
| 4.2.2 面向环境变化事件感知的BP神经网络的数据处理 | 第40-41页 |
| 4.2.3 面向环境变化事件感知的BP神经网络的训练算法 | 第41-43页 |
| 4.3 仿真实验及结果分析 | 第43-49页 |
| 4.3.1 实验环境及实验数据 | 第43-45页 |
| 4.3.2 实验设计 | 第45-47页 |
| 4.3.3 实验结果分析 | 第47-49页 |
| 4.4 小结 | 第49-50页 |
| 第5章 导致多环境指标变化的复合环境变化事件感知方法 | 第50-66页 |
| 5.1 导致多环境指标变化的复合环境变化事件特点描述 | 第50页 |
| 5.2 基于动态贝叶斯网络的环境变化事件感知模型的建立 | 第50-57页 |
| 5.2.1 面向环境变化事件感知的动态贝叶斯网络结构建立 | 第51-52页 |
| 5.2.2 面向环境变化事件感知的动态贝叶斯网络的数据处理 | 第52-54页 |
| 5.2.3 面向环境变化事件感知的动态贝叶斯网络的参数学习 | 第54-56页 |
| 5.2.4 基于动态贝叶斯网络的环境变化事件推理 | 第56-57页 |
| 5.3 仿真实验及结果分析 | 第57-65页 |
| 5.3.1 实验环境及实验数据 | 第57-59页 |
| 5.3.2 实验设计 | 第59-61页 |
| 5.3.3 实验结果分析 | 第61-65页 |
| 5.4 小结 | 第65-66页 |
| 第6章 结论 | 第66-68页 |
| 6.1 本文的主要工作 | 第66-67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
