| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·论文研究的目的和意义 | 第8-9页 |
| ·火灾探测研究的历史与现状 | 第9-11页 |
| ·数据融合技术的发展及研究现状 | 第11-12页 |
| ·论文的主要研究工作 | 第12-14页 |
| 2 火灾机理分析与火灾探测原理 | 第14-24页 |
| ·火灾的机理 | 第14-15页 |
| ·火灾的发展过程 | 第15-17页 |
| ·火灾的燃烧状态 | 第15页 |
| ·室内火灾发展过程 | 第15-17页 |
| ·室内火灾的模型 | 第17-19页 |
| ·火灾探测原理 | 第19-21页 |
| ·传统的火灾探测算法 | 第20页 |
| ·新兴的火灾探测算法 | 第20-21页 |
| ·火灾探测信息处理算法的实现方式 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于数据融合技术的火灾探测算法框架研究 | 第24-34页 |
| ·数据融合技术的定义及基本原理 | 第24-25页 |
| ·数据融合的过程 | 第25-26页 |
| ·数据融合的层次结构 | 第26-28页 |
| ·信息层融合 | 第26-27页 |
| ·特征层融合 | 第27-28页 |
| ·决策层融合 | 第28页 |
| ·数据融合的一般处理模型 | 第28-30页 |
| ·基于数据融合技术的火灾探测算法框架 | 第30-33页 |
| ·基于数据融合技术的火灾探测系统的功能模型 | 第32页 |
| ·基于数据融合技术的火灾探测算法的层次模型 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于数据融合技术的火灾探测算法的特征信息处理研究 | 第34-47页 |
| ·引言 | 第34页 |
| ·基于数据融合技术的火灾探测算法的信息层 | 第34-37页 |
| ·火灾特征参量 | 第34-35页 |
| ·信息层信息的局部决策 | 第35-36页 |
| ·特征量的归一化 | 第36-37页 |
| ·基于数据融合技术的火灾探测算法的特征层 | 第37-44页 |
| ·特征层识别算法研究 | 第37-38页 |
| ·BP 神经网络结构设计 | 第38-40页 |
| ·基于L-M(Levenberg-marquardt)的BP 神经网络算法 | 第40-42页 |
| ·基于L-M 的BP 神经网络算法性能 | 第42-44页 |
| ·基于数据融合技术的火灾探测算法的火灾特征识别仿真 | 第44-46页 |
| ·神经网络样本选择及训练 | 第44页 |
| ·典型实验火数据仿真检验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于数据融合技术的火灾探测算法的决策研究 | 第47-60页 |
| ·基于数据融合技术的火灾探测算法的决策分析 | 第47-48页 |
| ·火灾危险度与火灾危害度评估研究 | 第48-52页 |
| ·火灾危险度与火灾危害度评估的对象 | 第48-49页 |
| ·火灾危险度评估 | 第49-50页 |
| ·火灾危害度评估 | 第50-52页 |
| ·基于数据融合技术的火灾探测算法的决策层 | 第52-57页 |
| ·模糊推理技术 | 第52-55页 |
| ·基于模糊推理技术的火灾探测系统决策层的实现 | 第55-57页 |
| ·决策层模糊推理系统仿真 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 6 总论 | 第60-62页 |
| ·论文工作总结 | 第60页 |
| ·论文的后续工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-71页 |
| A. 神经网络训练样本 | 第66-67页 |
| B. 模糊推理系统的控制规则 | 第67-71页 |
| C. 作者在攻读硕士学位期间发表的论文目录 | 第71页 |
