| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.1.1 研究目的 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 WSN网络研究现状 | 第10-11页 |
| 1.2.2 WSN数据融合研究现状 | 第11-12页 |
| 1.2.3 WSN多种数据融合研究现状 | 第12页 |
| 1.3 研究内容及贡献 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 无线传感器网络结构以及数据融合技术 | 第15-26页 |
| 2.1 无线传感器网络 | 第15-18页 |
| 2.1.1 发展史 | 第15页 |
| 2.1.2 体系结构 | 第15-16页 |
| 2.1.3 传感器节点结构 | 第16-17页 |
| 2.1.4 应用领域 | 第17-18页 |
| 2.2 数据融合技术 | 第18-25页 |
| 2.2.1 数据融合的作用 | 第18-19页 |
| 2.2.2 数据融合的分类 | 第19-20页 |
| 2.2.3 数据融合相关算法 | 第20-25页 |
| 2.2.4 多种数据融合 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 贝叶斯线性模型简述 | 第26-36页 |
| 3.1 贝叶斯公式 | 第26页 |
| 3.2 选取先验分布 | 第26-27页 |
| 3.2.1 贝叶斯假设 | 第26-27页 |
| 3.2.2 共轭先验分布 | 第27页 |
| 3.3 贝叶斯线性模型 | 第27-35页 |
| 3.3.1 一元线性回归模型的贝叶斯统计推断 | 第27-30页 |
| 3.3.1.1 参数a,b的贝叶斯估计 | 第28-29页 |
| 3.3.1.2 方差σ~2的后验分布及其贝叶斯估计 | 第29-30页 |
| 3.3.2 基于共轭先验信息的一元线性回归模型参数估计 | 第30-32页 |
| 3.3.3 多元线性回归模型的贝叶斯统计推断 | 第32-34页 |
| 3.3.3.1 β的贝叶斯估计 | 第33页 |
| 3.3.3.2 β_i的后验分布 | 第33-34页 |
| 3.3.3.3 方差σ~2的贝叶斯估计 | 第34页 |
| 3.3.4 基于共轭先验信息的多元线性回归模型参数估计 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 动态二种数据融合线性回归模型研究 | 第36-46页 |
| 4.1 问题的提出 | 第36页 |
| 4.2 建立简易二种动态线性回归模型 | 第36-38页 |
| 4.3 简易二种动态线性回归模型仿真 | 第38-40页 |
| 4.3.1 数据准备 | 第38-39页 |
| 4.3.2 数据融合模型 | 第39-40页 |
| 4.4 结合信息有效性优化简易二种动态线性回归模型 | 第40-45页 |
| 4.4.1 二种数据融合模型 | 第40-42页 |
| 4.4.2 仿真实验 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 动态多种数据融合线性回归模型研究 | 第46-52页 |
| 5.1 问题的提出 | 第46页 |
| 5.2 建立动态多种数据融合模型 | 第46-47页 |
| 5.3 动态多种数据融合模型仿真 | 第47-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附录 | 第59-61页 |
