基于小波神经网络的智能火灾探测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·引言 | 第11页 |
| ·火灾探测技术的发展与研究现状 | 第11-17页 |
| ·火灾探测技术的发展史 | 第12-13页 |
| ·火灾探测技术的研究现状 | 第13-17页 |
| ·国内外智能火灾探测器研究概况 | 第17-20页 |
| ·目前火灾自动探测存在的问题及研究进展 | 第17-18页 |
| ·国外智能火灾探测器研究概况 | 第18-19页 |
| ·火灾自动探测发展的主要方向 | 第19-20页 |
| ·小波神经网络的发展历史与研究现状 | 第20-21页 |
| ·小波神经网络的提出 | 第20-21页 |
| ·国内研究现状 | 第21页 |
| ·本文研究的主要内容 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第2章 火灾机理分析与火灾探测原理 | 第23-35页 |
| ·火灾的机理 | 第23-24页 |
| ·火灾的发展过程 | 第24-26页 |
| ·火灾的燃烧状态 | 第24-25页 |
| ·室内火灾发展过程 | 第25-26页 |
| ·室内火灾的模型 | 第26-28页 |
| ·火灾探测原理 | 第28-33页 |
| ·传统的火灾探测算法 | 第30-32页 |
| ·新兴的火灾探测算法 | 第32-33页 |
| ·本章小节 | 第33-35页 |
| 第3章 人工神经网络与小波分析理论 | 第35-43页 |
| ·人工神经网络 | 第35-39页 |
| ·人工神经网络概述 | 第35-36页 |
| ·人工神经网络的基本概念 | 第36页 |
| ·人工神经网络的结构与类型 | 第36-38页 |
| ·人工神经网络的仿真、学习与训练概述 | 第38-39页 |
| ·小波分析理论 | 第39-43页 |
| ·一维连续小波变换 | 第39-41页 |
| ·离散小波变换和二进小波变换 | 第41页 |
| ·小波基函数的选取 | 第41-43页 |
| 第4章 小波神经网络及其改进算法研究 | 第43-67页 |
| ·小波神经网络基础 | 第43-52页 |
| ·小波神经网络的结构 | 第43页 |
| ·经典小波神经网络 | 第43-46页 |
| ·多层前馈神经网络的映像能力 | 第46-47页 |
| ·小波神经网络的函数逼近能力 | 第47-48页 |
| ·小波神经网络与MLP的比较 | 第48页 |
| ·小波神经网络函数逼近Matlab仿真试验 | 第48-52页 |
| ·小波神经网络改进算法研究 | 第52-67页 |
| ·算法的推导 | 第52页 |
| ·小波神经网络结构各层节点的确定 | 第52-53页 |
| ·小波神经网络学习算法 | 第53-55页 |
| ·小波神经网络算法推导 | 第55-59页 |
| ·小波神经网络误差反传算法改进 | 第59-67页 |
| 第5章 小波神经网络在火灾气体识别中的应用 | 第67-81页 |
| ·小波神经网络模型的建立与参数选择 | 第67页 |
| ·小波神经网络训练算法 | 第67页 |
| ·气体定性分析 | 第67-71页 |
| ·问题描述 | 第68页 |
| ·试验原理与方法 | 第68页 |
| ·神经网络参数选择 | 第68页 |
| ·Matlab计算结果分析 | 第68-71页 |
| ·气体定量检测 | 第71-79页 |
| ·试验原理 | 第71-72页 |
| ·试验数据 | 第72页 |
| ·数据预处理 | 第72页 |
| ·神经网络参数选择 | 第72页 |
| ·Matlab计算结果分析 | 第72页 |
| ·误差分析 | 第72-79页 |
| ·系统误差产生原因分析及减小措施 | 第79-81页 |
| ·温湿度补偿方法 | 第79页 |
| ·样本增强与筛选 | 第79-81页 |
| 第6章 结论与展望 | 第81-83页 |
| ·结论 | 第81页 |
| ·展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |
