| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景 | 第13-16页 |
| 1.1.1 物联网研究现状 | 第13-14页 |
| 1.1.2 信息融合研究现状 | 第14-16页 |
| 1.2 相关技术综述 | 第16-23页 |
| 1.2.1 物联网 | 第16-18页 |
| 1.2.2 信息融合 | 第18-22页 |
| 1.2.3 语义技术 | 第22-23页 |
| 1.3 主要研究内容及创新 | 第23-24页 |
| 1.4 本文的研究意义 | 第24-25页 |
| 1.5 本文的组织结构 | 第25-26页 |
| 1.6 本章小结 | 第26-27页 |
| 第2章 信息角度下的物联网 | 第27-37页 |
| 2.1 多角度的物联网 | 第27-31页 |
| 2.1.1 “物”角度的物联网 | 第27-28页 |
| 2.1.2 “互联网”角度的物联网 | 第28-29页 |
| 2.1.3 “语义”角度的物联网 | 第29-31页 |
| 2.2 物联网本质特征 | 第31-34页 |
| 2.2.1 从应用层面来看 | 第31-32页 |
| 2.2.2 从体系结构层面来看 | 第32-34页 |
| 2.3 物联网数据信息特点 | 第34-35页 |
| 2.4 物联网数据信息演化机理 | 第35-36页 |
| 2.5 小结 | 第36-37页 |
| 第3章 物联网多源异构信息融合体系结构研究 | 第37-51页 |
| 3.1 信息融合 | 第37-39页 |
| 3.1.1 信息融合定义 | 第37-38页 |
| 3.1.2 信息融合分类 | 第38页 |
| 3.1.3 信息融合结构模型 | 第38-39页 |
| 3.2 物联网多源异构信息融合体系结构 | 第39-46页 |
| 3.2.1 物联网信息融合的新需求 | 第40-41页 |
| 3.2.2 物联网多源异构信息融合体系结构 | 第41-46页 |
| 3.3 系统搭建 | 第46-50页 |
| 3.3.1 系统架构 | 第46-47页 |
| 3.3.2 原始数据采集 | 第47-48页 |
| 3.3.3 数据抽象与访问 | 第48-50页 |
| 3.4 小结 | 第50-51页 |
| 第4章 一种基于划分思想的物联网高属性维度数据特征融合方法研究 | 第51-67页 |
| 4.1 理论基础 | 第51-55页 |
| 4.1.1 粗糙集理论 | 第51-54页 |
| 4.1.2 正向粒度世界 | 第54-55页 |
| 4.2 正向粒度世界中核属性的性质 | 第55-59页 |
| 4.3 算法设计 | 第59-64页 |
| 4.3.1 基于多传感器数据的信息系统建模 | 第59-61页 |
| 4.3.2 高属性维度数据的特征融合算法设计 | 第61-64页 |
| 4.4 算法有效性分析 | 第64-66页 |
| 4.5 小结 | 第66-67页 |
| 第5章 一种高效的不完备信息系统融合规则提取方法研究 | 第67-87页 |
| 5.1 基础理论 | 第67-73页 |
| 5.1.1 粗糙集理论 | 第67-71页 |
| 5.1.2 正近似思想 | 第71-73页 |
| 5.2 正近似思想下的核属性计算 | 第73-76页 |
| 5.3 算法设计 | 第76-81页 |
| 5.3.1 基于观测的数据的决策信息系统建模 | 第76-77页 |
| 5.3.2 核属性集的计算过程 | 第77-79页 |
| 5.3.3 特征选择算法设计 | 第79-80页 |
| 5.3.4 融合规则提取 | 第80-81页 |
| 5.4 算法有效性分析 | 第81-86页 |
| 5.4.1 算法计算过程分析 | 第81-83页 |
| 5.4.2 算法的时间复杂性分析 | 第83-84页 |
| 5.4.3 算法的效率对比分析 | 第84-86页 |
| 5.5 小结 | 第86-87页 |
| 第6章 结论 | 第87-89页 |
| 参考文献 | 第89-100页 |
| 攻读博士学位期间取得的科研成果 | 第100-101页 |
| 致谢 | 第101页 |