| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究的现状 | 第10-11页 |
| 1.2.2 国内的研究现状 | 第11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 章节安排 | 第12-13页 |
| 第2章 火灾报警智能分析的相关理论 | 第13-23页 |
| 2.1 火警误报问题描述 | 第13页 |
| 2.2 报警点相关因素的模糊分析 | 第13-16页 |
| 2.2.1 影响火警误报因素分析 | 第13-14页 |
| 2.2.2 时空因子的聚类分析 | 第14-16页 |
| 2.3 视频监控智能识别火灾的相关理论 | 第16-21页 |
| 2.3.1 智能相机的智能分析和检测的介绍 | 第16-17页 |
| 2.3.2 基于颜色的智能分析和检测的火灾技术 | 第17-18页 |
| 2.3.3 基于动态纹理检测和频谱分析技术 | 第18-20页 |
| 2.3.4 视频监控智能火灾的识别 | 第20-21页 |
| 2.4 智能分析相关理论体系流程分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 火灾报警智能分析的建模和智能分析算法的实验 | 第23-41页 |
| 3.1 火灾报警智能分析的模型建立 | 第23-26页 |
| 3.1.1 火灾报警智能分析的信息化描述 | 第24-25页 |
| 3.1.2 智能分析模型中涉及到的算法描述 | 第25-26页 |
| 3.2 BP神经网络算法的改进 | 第26-27页 |
| 3.2.1 BP的神经网络的数学模型 | 第26-27页 |
| 3.3 BP神经网络算法的改进策略 | 第27-31页 |
| 3.3.1 BP的神经网络算法的改进 | 第29-31页 |
| 3.4 火灾报警智能分析算法的实现 | 第31-37页 |
| 3.4.1 算法参数的模糊设定 | 第31-32页 |
| 3.4.2 智能分析算法的具体流程 | 第32-33页 |
| 3.4.3 实现过程 | 第33-37页 |
| 3.5 实验结果分析 | 第37-40页 |
| 3.5.1 BP神经网络算法的优化结果实验 | 第37-39页 |
| 3.5.2 智能分析算法的Matlab实验 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章火灾报警联网平台的实现 | 第41-48页 |
| 4.1 火灾自动报警器报警信息的协议分析 | 第41-45页 |
| 4.1.1 报警数据的获取方式 | 第41-43页 |
| 4.1.2 报警数据的分析 | 第43-45页 |
| 4.2 火灾报警联网平台的软件设计和硬件设计 | 第45-48页 |
| 第5章 火灾报警智能分析算法的实践 | 第48-57页 |
| 5.1 火灾报警联网平台系统模块功能图 | 第48-50页 |
| 5.2 智能分析算法在火灾报警联网平台的应用 | 第50-52页 |
| 5.3 智能分析算法在火灾报警联网平台的案例 | 第52-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 进一步的工作 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 详细摘要 | 第65-68页 |