基于时间序列预测的体域网数据融合算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题目的与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 体域网节能算法研究 | 第11-12页 |
| 1.2.2 时间序列预测算法研究 | 第12-17页 |
| 1.3 本文结构 | 第17-18页 |
| 第2章 基于时间序列预测的体域网数据融合框架 | 第18-29页 |
| 2.1 算法架构 | 第18-20页 |
| 2.2 数据预处理 | 第20-22页 |
| 2.3 基于LS-SVM的时间序列预测方法 | 第22-24页 |
| 2.4 仿真实验及分析 | 第24-28页 |
| 2.4.1 实验数据的选取及数据预处理 | 第24-26页 |
| 2.4.2 预测算法有效性验证及对比分析 | 第26-28页 |
| 2.4.3 基于预测的数据融合算法有效性验证 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 预测模型参数优化方法研究 | 第29-42页 |
| 3.1 参数对LS-SVM预测的影响分析 | 第29-30页 |
| 3.2 传统的LS-SVM模型参数优化方法 | 第30-32页 |
| 3.2.1 双线性搜索法 | 第30-31页 |
| 3.2.2 网格搜索法 | 第31-32页 |
| 3.3 群智能的方法优化LS-SVM模型参数 | 第32-35页 |
| 3.3.1 遗传算法 | 第32-34页 |
| 3.3.2 粒子群算法 | 第34-35页 |
| 3.4 粒子群参数优化算法改进 | 第35-40页 |
| 3.4.1 粒子群优化算法改进的基本思路 | 第36-37页 |
| 3.4.2 一种改进的GA-PSO参数优化算法 | 第37-40页 |
| 3.5 对比实验及分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 WBAN实验平台设计 | 第42-52页 |
| 4.1 WBAN整体架构 | 第42-43页 |
| 4.2 传感器节点设计 | 第43-45页 |
| 4.3 网关节点设计 | 第45-46页 |
| 4.4 时间序列预测算法实验 | 第46-50页 |
| 4.4.1 测试方法及设备 | 第46-48页 |
| 4.4.2 理论电流值分析 | 第48-49页 |
| 4.4.3 预测算法节能效果分析 | 第49页 |
| 4.4.4 不同阈值下节能效果分析 | 第49-50页 |
| 4.5 参数优化算法实验 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-62页 |
| 致谢 | 第62-63页 |
| 简历 | 第63页 |
