资源和环境监控预警系统下的多元数据融合技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的提出及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·数据监控系统的研究现状 | 第10-11页 |
| ·数据融合的研究现状 | 第11-12页 |
| ·神经网络的研究现状 | 第12-13页 |
| ·模糊推理的研究现状 | 第13页 |
| ·论文研究工作 | 第13-15页 |
| 第二章 数据融合研究所用理论基础 | 第15-32页 |
| ·数据融合基础 | 第15-18页 |
| ·数据融合基本原理 | 第15页 |
| ·数据融合层次模型 | 第15-18页 |
| ·人工神经网络基础 | 第18-25页 |
| ·人工神经网络概念 | 第18-20页 |
| ·BP 神经网络结构 | 第20-22页 |
| ·BP 神经网络的学习方法 | 第22-25页 |
| ·遗传算法基础 | 第25-28页 |
| ·遗传算法原理 | 第25-26页 |
| ·遗传算法运算原理和流程 | 第26-28页 |
| ·模糊推理基础 | 第28-31页 |
| ·模糊理论简介 | 第28-29页 |
| ·模糊数学基础 | 第29页 |
| ·模糊系统推理过程 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 数据融合模型和数据级融合 | 第32-42页 |
| ·资源和环境监控系统的方案设计 | 第32-34页 |
| ·系统结构设计 | 第32-33页 |
| ·系统数据设计 | 第33-34页 |
| ·系统数据融合模型 | 第34-36页 |
| ·数据融合要求 | 第34-35页 |
| ·数据融合模型设计 | 第35-36页 |
| ·数据融合的数据预处理 | 第36-41页 |
| ·自适应加权融合算法 | 第37-39页 |
| ·自适应加权融合算法的应用 | 第39-41页 |
| ·数据冗余处理 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 BP 神经网络的特征级融合 | 第42-60页 |
| ·决策级融合各数据相关性分析 | 第42-46页 |
| ·有关变量聚类的基础知识 | 第42-44页 |
| ·对系统数据做变量聚类 | 第44-46页 |
| ·BP 神经网络的分析与设计 | 第46-52页 |
| ·输入与输出层的设计 | 第47-48页 |
| ·隐含层的设计 | 第48-50页 |
| ·初始权值和网络学习参数的设计 | 第50页 |
| ·用遗传算法应用于 BP 神经网络 | 第50-52页 |
| ·基于 BP 网络预测的 MATLAB 实现 | 第52-59页 |
| ·MATLAB 神经网络工具箱 | 第52-53页 |
| ·用 MATLAB 实现 BP 神经网络 | 第53-57页 |
| ·预测结果分析 | 第57-59页 |
| ·本章总结 | 第59-60页 |
| 第五章 基于模糊推理的决策级融合 | 第60-78页 |
| ·决策级融合概述 | 第60-62页 |
| ·决策级融合要求 | 第60页 |
| ·模糊推理的基本过程 | 第60-62页 |
| ·输入模糊化 | 第62-64页 |
| ·语言变量值的表示 | 第62-63页 |
| ·确定模糊集隶属函数 | 第63-64页 |
| ·规则的建立 | 第64-66页 |
| ·模糊推理的实现 | 第66-69页 |
| ·匹配 | 第66-67页 |
| ·模糊推理 | 第67-68页 |
| ·组合 | 第68-69页 |
| ·输出反模糊化 | 第69-70页 |
| ·模糊知识库的建立 | 第70页 |
| ·使用 matlab 实现模糊推理 | 第70-75页 |
| ·建立输入语言变量 | 第70-72页 |
| ·选择语言变量值的个数和隶属度函数 | 第72-73页 |
| ·建立模糊推理规则 | 第73-75页 |
| ·基于模糊推理的决策级融合结果分析 | 第75-78页 |
| 第六章 结论与展望 | 第78-80页 |
| ·主要工作和结论 | 第78-79页 |
| ·进一步的研究展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-83页 |
