| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题背景与研究意义 | 第11页 |
| ·火灾检测技术概述及发展趋势 | 第11-12页 |
| ·火灾检测技术国内外研究现状与水平 | 第12-14页 |
| ·本文的主要内容与整体结构 | 第14-16页 |
| 第2章 火灾检测原理与方法 | 第16-38页 |
| ·火灾产生的原因及其发展过程 | 第16-17页 |
| ·火灾特征参量的分类 | 第17-18页 |
| ·各类火灾传感器的基本工作原理 | 第18-21页 |
| ·火灾信号的特征与检测原理 | 第21-23页 |
| ·火灾检测的传统算法 | 第23-24页 |
| ·火灾检测的人工智能方法 | 第24-37页 |
| ·人工神经网络 | 第24-31页 |
| ·模糊推理系统 | 第31-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 多源信息融合的基本理论 | 第38-44页 |
| ·多源信息融合的起源与定义 | 第38-39页 |
| ·多源信息融合的结构分类 | 第39-41页 |
| ·多源信息融合的层次 | 第41-42页 |
| ·多源信息融合的处理流程 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 火灾检测系统整体结构的提出及系统信息层的预处理 | 第44-49页 |
| ·火灾检测系统引入多源信息融合技术的意义 | 第44-45页 |
| ·火灾检测系统中智能处理方法的选择 | 第45-46页 |
| ·火灾特征参量的选取 | 第46页 |
| ·火灾检测系统的整体结构 | 第46-47页 |
| ·火灾检测系统的信息层预处理 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 火灾检测系统的特征层信息融合处理 | 第49-61页 |
| ·基于BP神经网络的特征层信息融合处理 | 第49-54页 |
| ·BP神经网络的基本原理 | 第49页 |
| ·确定BP神经网络结构的方法 | 第49-50页 |
| ·火灾检测系统特征层BP神经网络的拓扑结构与信息融合处理过程 | 第50-51页 |
| ·BP神经网络的学习方法 | 第51-53页 |
| ·BP神经网络的优缺点分析 | 第53-54页 |
| ·基于RBF神经网络的特征层融合处理 | 第54-58页 |
| ·RBF神经网络的基本原理 | 第54-55页 |
| ·RBF神经网络隐藏层神经元模型 | 第55页 |
| ·确定RBF神经网络隐藏层神经元的个数 | 第55页 |
| ·火灾检测系统特征层RBF神经网络的拓扑结构与信息融合处理过程 | 第55-56页 |
| ·RBF神经网络的学习方法 | 第56-57页 |
| ·RBF神经网络的优缺点分析 | 第57-58页 |
| ·基于RBF-BP混合神经网络的特征层信息融合处理 | 第58-60页 |
| ·BP与RBF神经网络的优缺点对比 | 第58页 |
| ·RBF-BP混合神经网络的提出及其信息融合处理过程 | 第58-59页 |
| ·RBF-BP混合神经网络的学习方法 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 火灾检测系统的决策层信息融合处理 | 第61-64页 |
| ·模糊推理系统的整体结构 | 第61页 |
| ·模糊推理系统的实现 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第7章 火灾检测系统的仿真模拟 | 第64-76页 |
| ·仿真工具简介 | 第64页 |
| ·仿真模拟系统的整体设计 | 第64-66页 |
| ·BP神经网络的仿真模拟 | 第66-68页 |
| ·RBF神经网络的仿真模拟 | 第68-69页 |
| ·RBF-BP混合神经网络的仿真模拟 | 第69-71页 |
| ·模糊推理系统的仿真模拟 | 第71-74页 |
| ·本章小结 | 第74-76页 |
| 第8章 总结 | 第76-78页 |
| ·研究总结 | 第76页 |
| ·研究展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 附录 | 第82-83页 |
