| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 畜禽养殖环境监测技术研究现状 | 第11-12页 |
| 1.2.2 数据融合技术研究现状 | 第12-13页 |
| 1.3 课题研究的主要内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 多传感器数据融合相关理论 | 第15-20页 |
| 2.1 数据融合基本概念 | 第15页 |
| 2.2 多传感器数据融合的分类 | 第15-16页 |
| 2.2.1 按融合结构模型分类 | 第15-16页 |
| 2.2.2 按融合处理层次分类 | 第16页 |
| 2.3 数据融合中主要融合方法 | 第16-18页 |
| 2.3.1 基于概率论融合方法 | 第16-17页 |
| 2.3.2 非概率论融合方法 | 第17-18页 |
| 2.4 数据融合方法比较 | 第18页 |
| 2.5 本章小结 | 第18-20页 |
| 第3章 模糊集及DS证据理论 | 第20-31页 |
| 3.1 模糊集基本概念 | 第20-22页 |
| 3.1.1 模糊集定义及表示方法 | 第20-21页 |
| 3.1.2 模糊隶属度函数的确定方法 | 第21-22页 |
| 3.2 模糊集在数据融合中的应用方法 | 第22-25页 |
| 3.2.1 模糊贴近度数据融合算法 | 第22-24页 |
| 3.2.2 模糊均值聚类数据融合算法 | 第24-25页 |
| 3.3 DS证据理论基本概念 | 第25-27页 |
| 3.3.1 DS证据理论的基本理论 | 第25-26页 |
| 3.3.2 DS据理论合成规则 | 第26-27页 |
| 3.4 传统DS据理论及经典改进算法的不足 | 第27-30页 |
| 3.4.1 DS证据理论不足之处 | 第27-28页 |
| 3.4.2 经典改进算法 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 生猪养殖环境监测两级数据融合模型 | 第31-41页 |
| 4.1 两级数据融合模型 | 第31-32页 |
| 4.2 改进的最优融合集数据筛选 | 第32-33页 |
| 4.2.1 判断传感器有效性 | 第32页 |
| 4.2.2 定义最优融合集 | 第32-33页 |
| 4.3 改进的基本概率分配函数 | 第33-35页 |
| 4.3.1 模糊隶属度计算基本概率分配函数 | 第33-34页 |
| 4.3.2 融合度加权平均法重新分配基本概率分配函数 | 第34-35页 |
| 4.4 DS合成规则中冲突因子的改进 | 第35-38页 |
| 4.4.1 Jousselme距离及其改进 | 第36-38页 |
| 4.4.2 新的合成冲突因子 | 第38页 |
| 4.5 改进后的数据融合算法 | 第38-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 两级数据融合模型在生猪养殖环境监测的应用 | 第41-53页 |
| 5.1 生猪养殖环境监测及数据采集 | 第41-44页 |
| 5.1.1 实验猪舍介绍 | 第41页 |
| 5.1.2 实验环境因子采集 | 第41-44页 |
| 5.2 第一层数据预处理 | 第44-46页 |
| 5.2.1 传感器有效性判断 | 第44-45页 |
| 5.2.2 各类环境影响因子数据级融合 | 第45-46页 |
| 5.3 第二层融合计算 | 第46-50页 |
| 5.3.1 计算基本概率分配函数 | 第47-49页 |
| 5.3.2 计算融合结果 | 第49-50页 |
| 5.4 测试结果分析及比较分析 | 第50-51页 |
| 5.5 本章小结 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |