| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 前言 | 第9-14页 |
| ·火灾探测的历史与现状 | 第9-11页 |
| ·多传感器数据融合技术的发展概况 | 第11-12页 |
| ·多传感器数据融合技术起源 | 第11页 |
| ·多传感器数据融合技术的国内外研究现状 | 第11-12页 |
| ·本文构想 | 第12-14页 |
| 第二章 多传感器数据融合理论基础 | 第14-28页 |
| ·多传感器数据融合基本原理 | 第14-15页 |
| ·多传感器数据融合方法 | 第15-21页 |
| ·数据融合的定义 | 第15-16页 |
| ·数据融合的层次 | 第16-18页 |
| ·信息层融合 | 第16页 |
| ·特征层融合 | 第16-17页 |
| ·决策层融合 | 第17-18页 |
| ·常用的多传感器数据融合方法 | 第18-20页 |
| ·多传感数据融合方法分类 | 第20-21页 |
| ·基于BP神经网络的多传感器数据融合方法 | 第21-25页 |
| ·神经网络的研究历史 | 第21-22页 |
| ·BP神经网络模型 | 第22-23页 |
| ·BP网络的标准学习算法 | 第23-25页 |
| ·基于D-S证据理论的多传感器数据融合方法 | 第25-27页 |
| ·D-S证据推理基本原理 | 第25-26页 |
| ·D-S证据推理在多传感器数据融合中的基本应用过程 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 火灾探测的原理与方法 | 第28-34页 |
| ·火灾产生的机理 | 第28-29页 |
| ·火灾探测信号的特征 | 第29-30页 |
| ·火灾信号的探测算法 | 第30-32页 |
| ·传统的火灾探测算法 | 第30-31页 |
| ·新兴的火灾探测算法 | 第31-32页 |
| ·火灾探测中的数据融合利用 | 第32-33页 |
| ·火灾探测中的信息分类 | 第32-33页 |
| ·火灾探测中的数据融合 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 多传感器数据融合在火灾探测中的应用 | 第34-57页 |
| ·火灾探测中的主要参数及数据预处理 | 第34-36页 |
| ·火灾探测参量的选取 | 第34-35页 |
| ·经验数据库的构建 | 第35-36页 |
| ·基于BP神经网络和证据理论的二级数据融合系统在火灾探测中的应用 | 第36-51页 |
| ·B-P神经网络在火灾探测系统特征层的应用 | 第37-42页 |
| ·BP神经网络特征融合器的设计 | 第37-39页 |
| ·BP神经网络训练 | 第39-41页 |
| ·BP神经网络优化方法 | 第41-42页 |
| ·D-S证据推理的改进研究 | 第42-45页 |
| ·决策层的证据推理实现 | 第45-46页 |
| ·仿真实验及结果分析 | 第46-51页 |
| ·基于证据理论的二级数据融合系统在火灾探测中的应用 | 第51-53页 |
| ·初始概率分配函数的构造 | 第51页 |
| ·一次融合的实现 | 第51-52页 |
| ·决策层数据融合的实现 | 第52页 |
| ·仿真实验 | 第52-53页 |
| ·基于两种数据融合系统应用比较分析 | 第53-56页 |
| ·小结 | 第56-57页 |
| 第五章 火灾态势预测子系统的实现 | 第57-64页 |
| ·火灾态势数据挖掘专家系统设计 | 第57-61页 |
| ·数据的生成 | 第57页 |
| ·最大蔓延速度的计算 | 第57-58页 |
| ·蔓延过程分析 | 第58-60页 |
| ·蔓延模拟的实现 | 第60-61页 |
| ·GIS系统 | 第61-62页 |
| ·火灾态势预测子系统 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第六章 总结 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第70页 |
