| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 CPS的研究现状 | 第12-13页 |
| 1.3.2 数据融合的研究现状 | 第13-14页 |
| 1.4 研究目标与研究内容 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-26页 |
| 2.1 数据融合模型 | 第16-20页 |
| 2.1.1 功能模型 | 第16-19页 |
| 2.1.2 结构模型 | 第19-20页 |
| 2.2 数据融合层次介绍 | 第20-23页 |
| 2.3 数据融合算法 | 第23-24页 |
| 2.4 基于数据时空属性的异常检测算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于属性相关性的数据异常检测方法 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 传感器网络中异常检测方法及缺陷 | 第26-28页 |
| 3.3 基于环境属性相关性的异常检测 | 第28-37页 |
| 3.3.1 属性关联规则的挖掘 | 第29-33页 |
| 3.3.2 基于BP神经网络的数据预测模型 | 第33-36页 |
| 3.3.3 多维属性关联异常检测过程 | 第36-37页 |
| 3.4 实验分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于模糊集理论和D-S证据理论的数据融合技术 | 第41-58页 |
| 4.1 引言 | 第41页 |
| 4.2 现有方法的缺陷 | 第41-43页 |
| 4.3 基于模糊集理论和D-S证据理论的数据融合技术 | 第43-54页 |
| 4.3.1 基于模糊集理论和属性权重的基本概率确定方法 | 第43-47页 |
| 4.3.2 基于节点数据可信度的D-S证据合成方法 | 第47-53页 |
| 4.3.3 多维属性数据融合过程 | 第53-54页 |
| 4.4 实验分析 | 第54-57页 |
| 4.4.1 节点可信度模型仿真分析 | 第54-56页 |
| 4.4.2 证据合成方法计算对比分析 | 第56-57页 |
| 4.5 小结 | 第57-58页 |
| 第五章 传感器数据融合子系统的设计与实现 | 第58-73页 |
| 5.1 系统概述 | 第58页 |
| 5.2 数据融合系统网络结构 | 第58-59页 |
| 5.3 系统设计与实现 | 第59-70页 |
| 5.3.1 数融系统的总体设计 | 第59-62页 |
| 5.3.2 Sensor节点层设计与实现 | 第62-64页 |
| 5.3.3 Sink节点层设计与实现 | 第64-68页 |
| 5.3.4 网关节点层设计与实现 | 第68-70页 |
| 5.4 系统展示 | 第70-72页 |
| 5.5 小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |
