基于贝叶斯网络的火灾信息融合方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-16页 |
| ·引言 | 第12页 |
| ·火灾探测技术发展的历史及现状 | 第12-13页 |
| ·研究意义及目的 | 第13-15页 |
| ·本文研究内容及方法 | 第15-16页 |
| 第2章 火灾探测技术原理 | 第16-23页 |
| ·火灾发生机理 | 第16-17页 |
| ·火灾探测器 | 第17-18页 |
| ·感温探测器 | 第17页 |
| ·感烟探测器 | 第17-18页 |
| ·CO 探测器 | 第18页 |
| ·复合式火灾探测器 | 第18页 |
| ·火灾探测算法 | 第18-22页 |
| ·传统火灾探测算法 | 第18-20页 |
| ·人工智能火灾探测算法 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第3章 多传感器信息融合技术 | 第23-29页 |
| ·数据融合基本原理 | 第23-24页 |
| ·数据融合的层次分级 | 第24-25页 |
| ·数据级融合 | 第24页 |
| ·特征级融合 | 第24-25页 |
| ·决策级融合 | 第25页 |
| ·信息融合系统的结构形式 | 第25-27页 |
| ·集中型 | 第25-26页 |
| ·分散型 | 第26页 |
| ·混合型 | 第26-27页 |
| ·多传感器信息融合方法 | 第27-29页 |
| 第4章 基于贝叶斯网络的火灾信息融合 | 第29-41页 |
| ·贝叶斯网络模型 | 第29-30页 |
| ·静态贝叶斯网络基础 | 第30-35页 |
| ·静态贝叶斯网络的学习 | 第31-33页 |
| ·样本统计学习 | 第33页 |
| ·D-SEPARATION判断准则 | 第33-35页 |
| ·贝叶斯网络推理算法 | 第35页 |
| ·动态贝叶斯网络 | 第35-37页 |
| ·连续属性离散化 | 第37-41页 |
| ·离散化过程 | 第37-38页 |
| ·离散化结果评价 | 第38-39页 |
| ·离散化方法 | 第39页 |
| ·几种经典的离散化方法 | 第39-41页 |
| 第5章 贝叶斯网络的火灾信息融合 | 第41-53页 |
| ·火灾特征参数采集 | 第41-44页 |
| ·火灾信息融合结构 | 第44-46页 |
| ·火灾信息融合的贝叶斯网络结构 | 第46-49页 |
| ·静态贝叶斯网络 | 第46-47页 |
| ·动态贝叶斯网络 | 第47-49页 |
| ·火灾特征参数拟合曲线 | 第49-50页 |
| ·火灾特征参数离散化 | 第50-53页 |
| 第6章 方法验证 | 第53-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第68页 |
