| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要研究工作 | 第13页 |
| 1.4 文章的组织结构 | 第13-15页 |
| 第2章 相关理论基础 | 第15-31页 |
| 2.1 可穿戴无线传感网络概述 | 第15-19页 |
| 2.1.1 可穿戴传感网络概念 | 第15页 |
| 2.1.2 可穿戴无线传感网络体系结构 | 第15-17页 |
| 2.1.3 可穿戴无线传感网络应用背景 | 第17页 |
| 2.1.4 可穿戴传感网络人体体征监测系统架构设计 | 第17-19页 |
| 2.2 数据融合基本理论 | 第19-22页 |
| 2.2.1 数据融合系统的功能模型 | 第19-20页 |
| 2.2.2 数据融合体系结构 | 第20-21页 |
| 2.2.3 数据融合层次描述 | 第21-22页 |
| 2.3 BP神经网络概述 | 第22-26页 |
| 2.3.1 BP神经网络结构 | 第22-23页 |
| 2.3.2 BP神经网络学习算法 | 第23-25页 |
| 2.3.3 BP算法的程序实现 | 第25-26页 |
| 2.4 模糊神经网络概述 | 第26-30页 |
| 2.4.1 模糊理论基础 | 第26页 |
| 2.4.2 隶属函数 | 第26-28页 |
| 2.4.3 模糊逻辑与模糊推理 | 第28-29页 |
| 2.4.4 Takagi-Sugeno模糊推理系统 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于BP神经网络的可穿戴传感网络数据融合方法 | 第31-49页 |
| 3.1 BP学习算法概述 | 第31-34页 |
| 3.1.1 增加动量项法 | 第31-33页 |
| 3.1.2 自适应学习速率法 | 第33-34页 |
| 3.2 MALRBPA算法 | 第34-39页 |
| 3.2.1 MALRBPA算法的基本思想 | 第34-35页 |
| 3.2.2 MALRBPA算法主要步骤及流程图 | 第35-36页 |
| 3.2.4 MALRBPA算法仿真比较 | 第36-39页 |
| 3.3 可穿戴无线传感网络的BPNDFA算法 | 第39-42页 |
| 3.3.1 BPNDFA数据融合算法的基本思想 | 第39页 |
| 3.3.2 BPNDFA数据融合算法主要步骤及流程图 | 第39-41页 |
| 3.3.3 BPNDFA数据融合算法形式描述 | 第41-42页 |
| 3.4 实验与结果分析 | 第42-48页 |
| 3.4.1 实验环境 | 第42页 |
| 3.4.2 实验重要参数设计 | 第42页 |
| 3.4.3 实验与结果分析 | 第42-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于模糊神经网络的可穿戴传感网络数据融合方法 | 第49-63页 |
| 4.1 T-S模糊推理系统设计 | 第49-51页 |
| 4.2 模糊推理综合评判模型 | 第51-52页 |
| 4.3 可穿戴传感网络的FNNDFA数据融合算法 | 第52-56页 |
| 4.3.1 FNNDFA数据融合算法的基本思想 | 第52页 |
| 4.3.2 FNNDFA数据融合算法主要步骤及流程图 | 第52-54页 |
| 4.3.3 FNNDFA数据融合算法形式描述 | 第54-56页 |
| 4.4 实验与结果分析 | 第56-61页 |
| 4.4.1 实验环境 | 第56页 |
| 4.4.2 实验重要参数设计 | 第56页 |
| 4.4.3 实验与结果分析 | 第56-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 主要成果 | 第69-71页 |
| 致谢 | 第71页 |
