基于Wi-Fi网关的智能家居关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究内容 | 第11-14页 |
| 1.3 论文组织结构 | 第14-16页 |
| 第二章 智能家居关键技术 | 第16-30页 |
| 2.1 Wi-Fi网关 | 第17-18页 |
| 2.1.1 Wi-Fi协议 | 第17-18页 |
| 2.1.2 Wi-Fi网关实现的可行性 | 第18页 |
| 2.2 Wi-Fi探针技术 | 第18-21页 |
| 2.2.1 Wi-Fi探针介绍 | 第18页 |
| 2.2.2 Wi-Fi探针原理 | 第18-21页 |
| 2.3 人工神经网络 | 第21-26页 |
| 2.3.1 人工神经网络简述 | 第21页 |
| 2.3.2 人工神经网络特点 | 第21-22页 |
| 2.3.3 人工神经元模型 | 第22-25页 |
| 2.3.4 人工神经网络模型 | 第25页 |
| 2.3.5 人工神经网络不足 | 第25-26页 |
| 2.3.6 人工神经网络性能指标 | 第26页 |
| 2.4 大数据下的分布式系统 | 第26-27页 |
| 2.4.1 Hive | 第27页 |
| 2.5 本章小结 | 第27-30页 |
| 第三章 用户习惯预测模型设计 | 第30-48页 |
| 3.1 智能家居系统需求分析 | 第30-32页 |
| 3.1.1 性能需求 | 第30-31页 |
| 3.1.2 功能需求 | 第31-32页 |
| 3.2 BP神经网络的简述 | 第32-40页 |
| 3.2.1 BP神经网络的结构 | 第33-34页 |
| 3.2.2 BP神经网络的学习形式 | 第34页 |
| 3.2.3 BP神经网络基本原理 | 第34-39页 |
| 3.2.4 BP神经网络的改进 | 第39-40页 |
| 3.3 用户习惯模型建立 | 第40-42页 |
| 3.4 数据的预处理 | 第42-43页 |
| 3.5 网络模型设计与实现 | 第43-46页 |
| 3.5.1 网络结构的设计 | 第44页 |
| 3.5.2 初始权值和阈值的选取 | 第44-45页 |
| 3.5.3 其他参数的选取 | 第45页 |
| 3.5.4 智能家居用户习惯预测流程 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 智能家居系统的设计与实现 | 第48-68页 |
| 4.1 智能家居系统整体结构 | 第48-49页 |
| 4.2 基于Wi-Fi的网关设计 | 第49-52页 |
| 4.2.1 网关的硬件设计 | 第49-50页 |
| 4.2.2 网关的软件设计 | 第50-52页 |
| 4.3 智能家居系统设计与实现 | 第52-53页 |
| 4.3.1 智能家居系统搭建 | 第53页 |
| 4.4 基于Wi-Fi的网关软件实现 | 第53-61页 |
| 4.4.1 网关通信过程实现 | 第53-55页 |
| 4.4.2 网关通信协议设计 | 第55-58页 |
| 4.4.3 Wi-Fi探针的实现 | 第58-59页 |
| 4.4.4 网关BP神经网络学习算法的C语言实现 | 第59-61页 |
| 4.5 云服务器系统设计与实现 | 第61-64页 |
| 4.5.1 Hive数据表设计 | 第61-64页 |
| 4.6 仿真与测试 | 第64-66页 |
| 4.7 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 论文内容总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表的学术论文及专利目录 | 第75页 |
