| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13页 |
| 1.3 研究内容及工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 相关工作研究 | 第16-22页 |
| 2.1 数据融合分类 | 第16-19页 |
| 2.1.1 按信息融合处理层次分类 | 第16-18页 |
| 2.1.2 按信息融合结构模型分类 | 第18-19页 |
| 2.2 数据融合数学理论 | 第19-22页 |
| 2.2.1 贝叶斯推理 | 第19-20页 |
| 2.2.2 证据理论 | 第20页 |
| 2.2.3 模糊集理论 | 第20-22页 |
| 3 无线传感器网络本地融合算法研究 | 第22-49页 |
| 3.1 应用场景及融合框架描述 | 第22-23页 |
| 3.2 直觉模糊集构造方法研究 | 第23-36页 |
| 3.2.1 现有的直觉模糊集构造方法 | 第24-27页 |
| 3.2.2 基于数据分布的直觉模糊集构造算法 | 第27-30页 |
| 3.2.3 算法仿真结果及性能分析 | 第30-36页 |
| 3.3 基于直觉模糊集成的本地决策算法研究 | 第36-47页 |
| 3.3.1 常见直觉模糊集成算子 | 第36-38页 |
| 3.3.2 直觉模糊相似度测度和距离测度 | 第38-39页 |
| 3.3.3 TOPSIS法简介 | 第39-40页 |
| 3.3.4 基于类别间相似度的加权TOPSIS直觉模糊决策算法 | 第40-46页 |
| 3.3.5 算法仿真结果及性能分析 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 4 基于分簇和模糊推理的无线传感器网络决策融合算法 | 第49-66页 |
| 4.1 WSN分簇算法简介 | 第49-50页 |
| 4.2 CFRBDFA算法流程概述 | 第50-52页 |
| 4.3 基于K-MEANS聚类的节点分簇算法 | 第52-55页 |
| 4.3.1 k-Means算法简介 | 第52-53页 |
| 4.3.2 kBCA算法描述 | 第53-55页 |
| 4.4 基于模糊推理的节点权重确定方法 | 第55-61页 |
| 4.4.1 模糊理论简介 | 第56-57页 |
| 4.4.2 簇头节点权重计算 | 第57-60页 |
| 4.4.3 决策级融合 | 第60-61页 |
| 4.5 算法仿真结果及性能分析 | 第61-64页 |
| 4.5.1 kBCA分簇效果分析 | 第61-64页 |
| 4.5.2 算法复杂度分析 | 第64页 |
| 4.6 本章小结 | 第64-66页 |
| 5 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录A | 第71-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |