基于深度自编码器的无线传感器网络数据融合算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 无线传感器网络国内外研究现状 | 第11-12页 |
| 1.3 无线传感器网络数据融合技术研究现状 | 第12-13页 |
| 1.4 论文组织结构安排 | 第13-14页 |
| 第2章 无线传感器网络及数据融合技术 | 第14-23页 |
| 2.1 无线传感器网络概述 | 第14-17页 |
| 2.1.1 无线传感器网络体系结构 | 第14-15页 |
| 2.1.2 无线传感器网络性能及特点 | 第15-16页 |
| 2.1.3 无线传感器网络关键技术 | 第16-17页 |
| 2.2 无线传感器网络数据融合技术 | 第17-22页 |
| 2.2.1 数据融合技术的定义 | 第17-18页 |
| 2.2.2 数据融合的分类 | 第18-21页 |
| 2.2.3 数据融合技术的应用 | 第21页 |
| 2.2.4 传感器网络数据融合过程 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 深度自编码器模型设计 | 第23-36页 |
| 3.1 神经网络在WSN中的应用 | 第23-27页 |
| 3.1.1 神经网络概述 | 第23-24页 |
| 3.1.2 常见的神经网络模型 | 第24-27页 |
| 3.1.3 神经网络在WSN中的应用 | 第27页 |
| 3.2 基于深度自编码器的模型构建 | 第27-34页 |
| 3.2.1 自编码器介绍及权值确定 | 第27-29页 |
| 3.2.2 逐层贪婪训练 | 第29-32页 |
| 3.2.3 深度自编码器模型的构建 | 第32-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 基于深度自编码器的WSN数据融合算法设计 | 第36-43页 |
| 4.1 LEACH协议改进算法 | 第36-38页 |
| 4.1.1 LEACH路由协议 | 第36-37页 |
| 4.1.2 LEACH协议改进算法 | 第37页 |
| 4.1.3 网络能耗模型 | 第37-38页 |
| 4.2 基于深度自编码器的WSN数据融合模型 | 第38-42页 |
| 4.2.1 深度自编码器设计过程中的关键问题 | 第38页 |
| 4.2.2 DESAEDA数据融合模型 | 第38-41页 |
| 4.2.3 数据融合算法的评价指标 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 数据融合的仿真实现 | 第43-54页 |
| 5.1 数据集介绍及预处理 | 第43页 |
| 5.2 仿真结果对比分析 | 第43-48页 |
| 5.2.1 数据融合参数设置 | 第43-44页 |
| 5.2.2 数据集初始化 | 第44-45页 |
| 5.2.3 深度自编码器网络训练 | 第45-48页 |
| 5.3 仿真结果与分析 | 第48-53页 |
| 5.3.1 网络中节点存活数目对比 | 第49-50页 |
| 5.3.2 网络中节点平均剩余能量对比 | 第50-51页 |
| 5.3.3 网络规模对比 | 第51-52页 |
| 5.3.4 网络中数据通信量对比 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第59页 |
