| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 传感器校正技术 | 第13-14页 |
| 1.2.2 群智感知细粒度监测技术 | 第14-15页 |
| 1.3 论文主要工作及研究内容 | 第15-16页 |
| 1.4 论文总体结构 | 第16-19页 |
| 第二章 相关技术简介 | 第19-35页 |
| 2.1 传感器校准传统方法 | 第19-28页 |
| 2.1.1 最小二乘线性多元回归校正方法 | 第19-20页 |
| 2.1.2 传统反向传播BP神经网络校正方法 | 第20-22页 |
| 2.1.3 最小二乘支持向量机回归方法 | 第22-23页 |
| 2.1.4 传统RBF神经网络方法 | 第23-25页 |
| 2.1.5 灰色模型校正方法 | 第25-28页 |
| 2.2 基于群智感知的空气质量细粒度监测技术 | 第28-29页 |
| 2.3 现有协同训练算法 | 第29-31页 |
| 2.3.1 三大主流学习技术 | 第29-30页 |
| 2.3.2 协同训练方法 | 第30-31页 |
| 2.4 Hibernate框架技术简介 | 第31-33页 |
| 2.5 可视化展示工具 | 第33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 基于协同训练的半监督回归校正方法 | 第35-45页 |
| 3.1 校正方法框架 | 第35页 |
| 3.2 基于半监督回归的节点式离线校正方法 | 第35-41页 |
| 3.2.1 特征属性相关性分析 | 第36页 |
| 3.2.2 标定数据集分配策略 | 第36-37页 |
| 3.2.3 RBF神经网络优化 | 第37-38页 |
| 3.2.4 Co-Training-RBF校正方法 | 第38-41页 |
| 3.3 参与式在线校正方法 | 第41-44页 |
| 3.3.1 在线校正模块框架图 | 第42页 |
| 3.3.2 总体工作流程 | 第42-43页 |
| 3.3.3 校正值的查询 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 系统设计与实现 | 第45-65页 |
| 4.1 软件开发 | 第45-47页 |
| 4.1.1 Web App开发 | 第45页 |
| 4.1.2 Hibernate | 第45-46页 |
| 4.1.3 MATLAB | 第46-47页 |
| 4.1.4 百度地图JavaScript API接口 | 第47页 |
| 4.2 系统总体设计 | 第47-48页 |
| 4.3 系统主要功能模块设计与实现 | 第48-63页 |
| 4.3.1 数据收集模块 | 第48-52页 |
| 4.3.2 模型构建模块 | 第52-56页 |
| 4.3.3 数据展示模块 | 第56-58页 |
| 4.3.4 并发控制子模块 | 第58-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 实验分析与系统测试 | 第65-75页 |
| 5.1 实验分析与结果 | 第65-70页 |
| 5.1.1 实验环境和实验数据 | 第65-68页 |
| 5.1.2 Co-Training-RBF校正方法测试 | 第68页 |
| 5.1.3 传统校正方法对比测试 | 第68-70页 |
| 5.2 系统功能测试 | 第70-71页 |
| 5.2.1 数据采集上传功能测试 | 第70-71页 |
| 5.2.2 空气地图功能测试 | 第71页 |
| 5.3 系统性能测试 | 第71-73页 |
| 5.3.1 数据库连接池测试 | 第71-72页 |
| 5.3.2 系统多线程并发控制 | 第72-73页 |
| 5.4 本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文总结 | 第75-76页 |
| 6.2 工作展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 攻读学位期间发表的学术论文目录 | 第83页 |
