| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本论文的研究内容和成果 | 第12-13页 |
| ·本论文的章节安排 | 第13-15页 |
| 2 快速发现多传感器相关组合的方法 | 第15-29页 |
| ·研究基础 | 第15页 |
| ·相关信息熵 | 第15-17页 |
| ·信息熵 | 第15-16页 |
| ·相关信息熵-多传感器信息的相关度量 | 第16-17页 |
| ·问题的形式化描述 | 第17-19页 |
| ·一类发现相关组合的快速算法 | 第19-22页 |
| ·SCC 算法描述 | 第19-20页 |
| ·SCC 算法的实现 | 第20-22页 |
| ·SCC 算法的复杂度分析 | 第22页 |
| ·实验结果 | 第22-28页 |
| ·人工合成数据实验 | 第23页 |
| ·瓦斯监测数据实验 | 第23-27页 |
| ·算法效率分析 | 第27-28页 |
| ·多传感器相关分析在煤矿监测传感器部署管理中的应用 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 基于粒子群优化的异步相关滞后步长分析方法 | 第29-38页 |
| ·研究基础 | 第29页 |
| ·粒子群优化算法 | 第29-30页 |
| ·算法描述 | 第30页 |
| ·参数设置 | 第30页 |
| ·异步相关滞后步长分析算法 | 第30-33页 |
| ·适应值函数 | 第31-32页 |
| ·算法的步骤 | 第32-33页 |
| ·实验结果 | 第33-37页 |
| ·人工合成数据实验 | 第33-36页 |
| ·瓦斯监测数据实验 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于多传感器相关分析的主特征选择 | 第38-46页 |
| ·研究基础 | 第38-39页 |
| ·ISGNN | 第39-42页 |
| ·SGNT 生成 | 第39-41页 |
| ·优化SGNT | 第41页 |
| ·ISGNN 迭代优化描述 | 第41-42页 |
| ·基于多传感器相关分析的主特征选择 | 第42-43页 |
| ·实验结果 | 第43-45页 |
| ·protein homology 数据实验 | 第43-44页 |
| ·wine 数据实验 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 多传感器相关分析在煤矿瓦斯监测数据中的应用 | 第46-59页 |
| ·研究基础 | 第46页 |
| ·本文方法 | 第46-47页 |
| ·BP 算法 | 第47-49页 |
| ·BP 算法描述 | 第48-49页 |
| ·BP 算法分类 | 第49页 |
| ·异常瓦斯监测数据检测 | 第49-52页 |
| ·数据预处理 | 第49-50页 |
| ·BP 算法异常检测仿真实验 | 第50-51页 |
| ·ISGNN 异常检测仿真实验 | 第51-52页 |
| ·遗失监测数据估计 | 第52-58页 |
| ·数据预处理 | 第52页 |
| ·BP 算法遗失值估计仿真实验 | 第52-55页 |
| ·ISGNN 遗失值估计仿真实验 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 6 基于时间序列数据挖掘的瓦斯涌出量分析子系统 | 第59-66页 |
| ·系统功能 | 第59-60页 |
| ·多传感器相关分析模块功能实现 | 第60-61页 |
| ·多传感器相关分析模块流程 | 第60页 |
| ·多传感器相关分析模块功能实现 | 第60-61页 |
| ·异常检测模块功能实现 | 第61-63页 |
| ·异常检测模块流程 | 第61页 |
| ·异常检测模块功能实现 | 第61-63页 |
| ·遗失值估计模块功能实现 | 第63-64页 |
| ·遗失值估计模块流程 | 第63页 |
| ·遗失值估计模块功能实现 | 第63-64页 |
| ·核心模块介绍 | 第64-65页 |
| ·数据输入模块 | 第64页 |
| ·多传感器相关分析模块 | 第64-65页 |
| ·异常检测模块 | 第65页 |
| ·遗失值估计模块 | 第65页 |
| ·本章小结 | 第65-66页 |
| 7 结论 | 第66-68页 |
| ·总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-78页 |