| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与研究意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 车辆远程监控的研究现状 | 第12-14页 |
| 1.2.2 信息融合的研究现状 | 第14页 |
| 1.2.3 决策理论的研究现状 | 第14-15页 |
| 1.3 本文研究内容与结构安排 | 第15-17页 |
| 第2章 车载视频远程变流量透传决策研究 | 第17-24页 |
| 2.1 车载视频远程变流量传输的基本问题 | 第17-18页 |
| 2.2 车载视频远程变流量的透传决策模型 | 第18页 |
| 2.3 车辆运行异常检测及其原因分析 | 第18-22页 |
| 2.3.1 车辆运行异常的定义 | 第19-20页 |
| 2.3.2 车辆运行异常的原因分析 | 第20-22页 |
| 2.4 决策算法研究 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 结合信息融合和BP神经网络的决策算法研究 | 第24-40页 |
| 3.1 信息融合技术 | 第24-27页 |
| 3.1.1 信息融合定义 | 第24页 |
| 3.1.2 信息融合的层次 | 第24-26页 |
| 3.1.3 常用信息融合算法 | 第26-27页 |
| 3.2 BP神经网络技术 | 第27-31页 |
| 3.2.1 BP神经网络概述 | 第27-28页 |
| 3.2.2 BP神经网络的结构及下作方式 | 第28-29页 |
| 3.2.3 BP神经网络的设计与学习算法 | 第29-30页 |
| 3.2.4 BP神经网络的性能分析 | 第30-31页 |
| 3.3 结合DS证据理论和BP神经网络的决策算法 | 第31-39页 |
| 3.3.1 DS-BP算法的主要思想 | 第31-32页 |
| 3.3.2 基于DS证据理论的BP神经网络的结构选择 | 第32-35页 |
| 3.3.3 粒子群优化BP神经网络 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 车辆运行异常特征参数的提取 | 第40-56页 |
| 4.1 视频特征参数的提取 | 第40-45页 |
| 4.1.1 视频图像预处理 | 第40-41页 |
| 4.1.2 车载视频特征参数提取 | 第41-45页 |
| 4.2 音频特征的提取 | 第45-47页 |
| 4.2.1 音频采集与处理 | 第46-47页 |
| 4.2.2 音频特征提取 | 第47页 |
| 4.3 基于卫星定位信息的参数提取 | 第47-51页 |
| 4.3.1 GPS数据获取 | 第48页 |
| 4.3.2 GPS数据解析与定位 | 第48-50页 |
| 4.3.3 基于卫星定位信息的时段与路段分类 | 第50-51页 |
| 4.4 车辆运行车况特征参数的提取 | 第51-55页 |
| 4.4.1 车辆行驶速度的提取 | 第51-53页 |
| 4.4.2 车辆行驶加速度的提取 | 第53页 |
| 4.4.3 车辆行驶转向强度的提取 | 第53页 |
| 4.4.4 发动机冷却液温度的提取 | 第53-54页 |
| 4.4.5 发动机转速的提取 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于DS-BP决策算法的车载视频变流量传输分析 | 第56-59页 |
| 5.1 建立BP神经网络的基础结构模型 | 第56-57页 |
| 5.2 优选BP神经网络结构模型 | 第57-58页 |
| 5.3 优化BP神经网络初值 | 第58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 DS-BP决策算法在车载视频变流量传输中的应用 | 第59-65页 |
| 6.1 基于DS证据理论的车载监控BP神经网络结构选择 | 第59-60页 |
| 6.2 粒子群优化车载监控的BP神经网络 | 第60-62页 |
| 6.3 基于DS-BP决策算法的车载视频变流量决策 | 第62-64页 |
| 6.4 本章小结 | 第64-65页 |
| 第7章 结论与展望 | 第65-67页 |
| 7.1 结论 | 第65页 |
| 7.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |
