| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题研究背景 | 第14页 |
| 1.2 体域网中数据融合的研究现状 | 第14-16页 |
| 1.3 论文的主要研究内容及意义 | 第16-17页 |
| 1.4 论文章节安排 | 第17-19页 |
| 第二章 体域网及数据融合概述 | 第19-29页 |
| 2.1 体域网概述 | 第19页 |
| 2.2 体域网关键技术分析 | 第19-21页 |
| 2.2.1 传感器配置 | 第19-20页 |
| 2.2.2 无线通信技术 | 第20页 |
| 2.2.3 云处理技术 | 第20-21页 |
| 2.3 数据融合概述 | 第21-25页 |
| 2.3.1 数据融合的层次 | 第21-23页 |
| 2.3.2 数据特征的提取与选择 | 第23-25页 |
| 2.4 数据融合在体域网中的应用 | 第25-28页 |
| 2.4.1 步态分析 | 第25-26页 |
| 2.4.2 行为识别 | 第26页 |
| 2.4.3 跌倒监测及预报 | 第26-27页 |
| 2.4.4 生理监测 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 体域网中多体征数据融合系统框架的研究 | 第29-38页 |
| 3.1 数据融合中典型的框架模型 | 第29-31页 |
| 3.1.1 情报环模型 | 第29-30页 |
| 3.1.2 分层融合模型 | 第30-31页 |
| 3.2 基于主客观权重的自适应多体征数据融合系统框架设计 | 第31-34页 |
| 3.3 基于主客观权重的自适应机制的工作流程 | 第34-36页 |
| 3.4 基于主客观权重的自适应多体征数据融合系统框架的优势 | 第36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 体域网中多体征数据融合算法的研究 | 第38-72页 |
| 4.1 基本的数据融合算法 | 第38-40页 |
| 4.1.1 人工神经网络算法 | 第38-39页 |
| 4.1.2 贝叶斯网络算法 | 第39页 |
| 4.1.3 D-S证据理论 | 第39-40页 |
| 4.2 基于证据距离与隶属度的多体征数据融合算法 | 第40-49页 |
| 4.2.1 证据距离 | 第41页 |
| 4.2.2 算法流程 | 第41-44页 |
| 4.2.3 实例分析 | 第44-49页 |
| 4.3 基于混合支持度的多体征数据融合算法 | 第49-55页 |
| 4.3.1 基于信息增益的历史支持度 | 第49-52页 |
| 4.3.2 算法流程 | 第52-55页 |
| 4.4 基于混合支持度的多体征数据融合算法仿真 | 第55-65页 |
| 4.4.1 MIMIC数据库数据的获取 | 第55-57页 |
| 4.4.2 获取基本信度分配 | 第57-58页 |
| 4.4.3 历史支持度的算法仿真分析 | 第58-61页 |
| 4.4.4 多体征数据融合算法仿真分析 | 第61-65页 |
| 4.5 基于混合支持度与反馈的多体征数据融合算法仿真 | 第65-68页 |
| 4.5.1 用户反馈的量化计算 | 第65-66页 |
| 4.5.2 算法仿真分析 | 第66-68页 |
| 4.6 算法性能对比 | 第68-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 展望 | 第72-74页 |
| 参考文献 | 第74-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间的学术成果 | 第84-86页 |
| 学位论文评阅及答辩情况表 | 第86页 |
