基于无线传感器网络的连续对象边界监测的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 无线传感网络 | 第11-12页 |
| 1.1.2 连续对象监测 | 第12-13页 |
| 1.1.3 研究意义 | 第13-14页 |
| 1.2 连续对象监测的研究现状 | 第14-18页 |
| 1.2.1 研究发展现状 | 第14-17页 |
| 1.2.3 发展趋势和问题 | 第17-18页 |
| 1.3 论文结构安排 | 第18-19页 |
| 第二章 连续对象的分布特征 | 第19-24页 |
| 2.1 连续对象的定义 | 第19-20页 |
| 2.2 连续对象的动态演变模型 | 第20-21页 |
| 2.3 连续对象分布特征分析 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 连续对象监测场景下的分簇策略 | 第24-30页 |
| 3.1 最优融合集的定义 | 第24-25页 |
| 3.2 基于最优融合集的传感器分簇算法 | 第25-29页 |
| 3.2.1 分簇策略 | 第25-27页 |
| 3.2.3 簇头产生机制 | 第27-28页 |
| 3.2.4 基于最优融合集的分簇与传统分簇对比 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 连续对象全局分布状态监测算法 | 第30-36页 |
| 4.1 模糊逻辑分析 | 第30-32页 |
| 4.1.1 基于模糊逻辑的分布状态分析 | 第30-31页 |
| 4.1.2 基于模糊逻辑的连续对象边界定义 | 第31-32页 |
| 4.2 连续对象分布拟合与人工神经网络 | 第32-34页 |
| 4.2.1 人工神经网络 | 第32-33页 |
| 4.2.2 连续对象分布拟合对应的BP网络模型 | 第33-34页 |
| 4.3 基于BP网络的全局分布状态监测算法 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 实验论证与分析 | 第36-45页 |
| 5.1 基于最优融合集的分簇算法分析 | 第36-38页 |
| 5.2 BP神经网络的结构分析 | 第38-42页 |
| 5.3 基于BP网络的连续对象分布拟合效果分析 | 第42-44页 |
| 5.4 本章小结 | 第44-45页 |
| 总结与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录 | 第50-61页 |
| 攻读学位期间发表的学位论文 | 第61-63页 |
| 致谢 | 第63页 |
