WSN中基于概率聚类成簇的数据融合算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-21页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-19页 |
| ·卡尔曼滤波法 | 第15-16页 |
| ·贝叶斯估计法 | 第16-17页 |
| ·Dempster-Shafer证据推理法 | 第17-18页 |
| ·神经网络 | 第18-19页 |
| ·研究内容 | 第19页 |
| ·论文结构 | 第19-21页 |
| 第2章 传感器网络研究相关综述 | 第21-30页 |
| ·前言 | 第21页 |
| ·传感器网络概述 | 第21-25页 |
| ·传感器网络的体系结构 | 第21-22页 |
| ·传感器网络的特点 | 第22-23页 |
| ·传感器网络的关键技术 | 第23-25页 |
| ·传感器网络数据融合概念 | 第25-29页 |
| ·数据融合简介 | 第26-27页 |
| ·数据融合分类和模式 | 第27-28页 |
| ·数据融合关键技术 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于SPP模型数据概率预测算法 | 第30-39页 |
| ·前言 | 第30页 |
| ·SPP模型相关参数 | 第30-35页 |
| ·状态集S | 第30-33页 |
| ·概率矩阵P | 第33-35页 |
| ·SPP模型概率预测 | 第35-36页 |
| ·条件概率 | 第35页 |
| ·平衡概率 | 第35-36页 |
| ·SPP模型概率更新 | 第36-37页 |
| ·SPP模型分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于概率聚类的动态成簇机制 | 第39-47页 |
| ·前言 | 第39页 |
| ·动态成簇网络结构 | 第39-41页 |
| ·平面型网络 | 第39-40页 |
| ·层次型网络 | 第40-41页 |
| ·动态成簇基本框架 | 第41-44页 |
| ·相似度计算 | 第41-42页 |
| ·聚类成簇 | 第42-44页 |
| ·动态成簇实现 | 第44-45页 |
| ·动态聚类成簇 | 第44-45页 |
| ·网络拓扑重构 | 第45页 |
| ·动态成簇分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第5章 基于差值的簇头数据融合算法 | 第47-54页 |
| ·前言 | 第47页 |
| ·数据融合算法思想 | 第47-48页 |
| ·簇头融合流程 | 第47页 |
| ·簇头数据处理 | 第47-48页 |
| ·数据融合算法实现 | 第48-49页 |
| ·数据融合算法分析 | 第49页 |
| ·仿真实验设计 | 第49-53页 |
| ·仿真实验工具介绍 | 第49-50页 |
| ·仿真实验功能模块 | 第50页 |
| ·仿真实验结果分析 | 第50-53页 |
| ·小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第61-62页 |
| 附录B 攻读硕士期间参与的项目列表 | 第62页 |
