基于连续贝叶斯网络的火灾预警研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 本文的研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外的研究现状 | 第13-14页 |
| 1.2.2 国内的研究现状 | 第14-16页 |
| 1.3 本文研究内容及章节安排 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第二章 相关理论与技术简介 | 第18-30页 |
| 2.1 多传感器信息融合技术 | 第18-22页 |
| 2.1.1 多传感器信息融合的原理 | 第18-21页 |
| 2.1.2 多传感器信息融合的方法 | 第21-22页 |
| 2.2 贝叶斯网络和连续分布的理论基础 | 第22-27页 |
| 2.2.1 贝叶斯网络理论基础 | 第22-25页 |
| 2.2.2 连续变量的联合概率分布 | 第25-27页 |
| 2.3 火灾预警系统原理 | 第27-29页 |
| 2.3.1 火灾的产生及发展过程 | 第27-28页 |
| 2.3.2 火灾参数分析 | 第28-29页 |
| 2.4 实验仿真平台工具的介绍 | 第29页 |
| 本章小结 | 第29-30页 |
| 第三章 改进的连续贝叶斯网络火灾预警模型研究 | 第30-55页 |
| 3.1 多传感器火灾信息融合预警模型 | 第30-39页 |
| 3.1.1 信息的采集和预处理 | 第31-37页 |
| 3.1.2 低层次融合过度到高层次融合 | 第37-39页 |
| 3.2 连续变量贝叶斯网络火灾预警模型 | 第39-49页 |
| 3.2.1 连续变量离散化信息处理 | 第40-45页 |
| 3.2.2 服从联合正态分布的变量信息处理 | 第45-49页 |
| 3.3 改进的火灾信息融合预警模型 | 第49-54页 |
| 3.3.1 多传感器决策层融合火灾信息 | 第49-50页 |
| 3.3.2 多维GMM-BN融合连续火灾信息 | 第50-54页 |
| 本章小结 | 第54-55页 |
| 第四章 仿真实验及结果分析 | 第55-61页 |
| 4.1 概率推理实验分析 | 第55-60页 |
| 4.1.1 概率推理实验 | 第55-58页 |
| 4.1.2 MATLAB仿真实现 | 第58-60页 |
| 4.2 结果分析 | 第60页 |
| 4.2.1 有效性能分析 | 第60页 |
| 4.2.2 准确性能分析 | 第60页 |
| 本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 1. 结论 | 第61-62页 |
| 2. 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69页 |
