建筑环境中基于数据融合的WSNs节能问题研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-17页 |
| ·课题研究背景及意义 | 第8-10页 |
| ·无线传感器网络系统节能问题 | 第9页 |
| ·课题研究目的及意义 | 第9-10页 |
| ·数据融合方法综述 | 第10-14页 |
| ·数据融合基本概念 | 第10-11页 |
| ·数据融合基本方法 | 第11-14页 |
| ·国内外研究历史及现状 | 第14-15页 |
| ·国内外研究历史 | 第14-15页 |
| ·国内研究现状 | 第15页 |
| ·国外研究现状 | 第15页 |
| ·论文的主要研究内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章粒子群算法、神经网络算法简介 | 第17-25页 |
| ·粒子群算法建模与应用 | 第17-19页 |
| ·粒子群算法建模 | 第17-18页 |
| ·粒子群算法应用 | 第18-19页 |
| ·人工神经网络建模与预测 | 第19-23页 |
| ·人工神经网络概述 | 第20-21页 |
| ·BP神经网络概述 | 第21页 |
| ·BP神经网络预测 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 基于粒子群算法的WSNS非均匀分簇算法 | 第25-35页 |
| ·WSNs非均匀分簇概述 | 第25-27页 |
| ·相关分簇算法的研究 | 第25-26页 |
| ·WSNs网络模型 | 第26页 |
| ·WSNs网络能耗模型 | 第26-27页 |
| ·分簇方式 | 第27页 |
| ·分簇机制 | 第27-34页 |
| ·分簇后的WSNs能耗模型 | 第27-29页 |
| ·PSO算法优化分簇网格 | 第29-31页 |
| ·仿真结果 | 第31-34页 |
| ·实验分析 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于BP神经网络的数据融合算法 | 第35-48页 |
| ·两级数据融合概述 | 第35-38页 |
| ·单传感器的数据融合 | 第36-37页 |
| ·多传感器的数据融合 | 第37-38页 |
| ·建筑环境中的数据融合算法模型 | 第38-39页 |
| ·研究对象描述 | 第38页 |
| ·定性分析方法 | 第38-39页 |
| ·定量分析方法 | 第39页 |
| ·BP神经网络预测模型 | 第39-45页 |
| ·BP神经网络预测模型结构 | 第39-40页 |
| ·BP神经网络的参数 | 第40页 |
| ·数据采集与处理 | 第40-42页 |
| ·BP神经网络的训练过程 | 第42-45页 |
| ·激发函数对误差的影响 | 第45-47页 |
| ·定性分析 | 第46页 |
| ·定量分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于奥尔斯套件的建筑环境监测系统 | 第48-64页 |
| ·监测系统概述 | 第48-49页 |
| ·建筑环境中温湿度数据的采集 | 第49-53页 |
| ·终端节点数据采集 | 第49-51页 |
| ·简化的融合策略 | 第51-53页 |
| ·建筑环境参数显示部分 | 第53-63页 |
| ·基于PC机上的IOT Sever的数据采集系统 | 第53-60页 |
| ·基于Cortex A8的数据采集系统 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 发表论文及参与科研情况说明 | 第70页 |
