计算机专业研究生开题报告模板
《计算机专业研究生开题报告模板》由会员分享，可在线阅读，更多相关《计算机专业研究生开题报告模板（51页珍藏版）》请在文档大全上搜索。
1、基于神经网络的无线传感器网络数据融合算法研究答辩人：指导教师：教授Page 2选题背景选题的目的与意义国内外关于该论题的研究进展、现状及趋势研究目标及研究内容、方法、进度毕业论文提纲参考文献Page 3选题背景选题的目的与意义国内外关于该论题的研究进展、现状及趋势研究目标及研究内容、方法、进度毕业论文提纲参考文献Page 4选题背景无线传感器网络（Wireless Sensor Networks,WSN）：由微型传感器协同组织构成的网络，能够实时监测、采集监控区域内的各种环境信息，通过多跳的无线通信方式，将收集、处理后的信息提供给终端用户。Page 5选题背景重要性Page 6选题背景应用前景
2、Page 7选题背景选题的目的与意义国内外关于该论题的研究进展、现状及趋势研究目标及研究内容、方法、进度毕业论文提纲参考文献Page 8无线传感器网络的研究热点网络拓扑控制数据融合网络协议数据并行处理网络安全无线传输时钟同步嵌入式操作系统节点定位应用层协议Page 9选题的目的与意义各节点单独传送数据，浪费通信带宽和能量，同时又降低了信息的收集效率WSN：以数据为中心的网络Page 10选题的目的与意义采用数据融合技术，减少数据传输量，节约能量，延长网络生存时间数据融合就是删除冗余、无效和可信度较差的数据，把来自不同节点的多份数据进行融合处理，组合出更有效、更符合用户需求的数据。Page 11
3、选题背景选题的目的与意义国内外关于该论题的研究进展、现状及趋势研究目标及研究内容、方法、进度毕业论文提纲参考文献Page 12国内外关于该论题的研究进展、现状及趋势n国外Page 13国内外关于该论题的研究进展、现状及趋势n国内Page 14国内外关于该论题的研究进展、现状及趋势n趋势数据融合算法的研究趋势是将各种理论结合，取长补短，如遗传算法和模糊聚合相结合、模糊系统和神经网络相结合、粗糙集理论和神经网络相结合等。Page 15选题背景选题的目的与意义国内外关于该论题的研究进展、现状及趋势研究目标及研究内容、方法、进度毕业论文提纲参考文献Page 16研究目标 改进人工神经网络算法，提出一个
4、新的基于分簇路由协议的数据融合算法，以此来延长网络的生存期，减轻网络的延迟等。Page 17研究内容n 数据融合分类n 数据融合算法Page 18数据融合分类n 根据融合前后数据的信息含量划分 无损失融合 有损失融合Page 19n 无损失融合 n 有损失融合D1D2D1D2D3D1D1D1D2D3D(Fusion_data)=5D13D22D3D1D2D1D2D3D1D1D1D2D3D(Fusion_data)=W1*D1+W2*D2+W3*D3Page 20数据融合分类n 根据数据融合与应用层数据语义之间的关系划分 依赖于应用的数据融合 独立于应用的数据融合 结合ADDA和AIDA的数据融
5、合Page 21n 依赖于应用的数据融合 物理层数据链路层网络层传输层应用层物理层数据链路层网络层传输层应用层Page 22n 独立于应用的数据融合 物理层数据链路层AIDA协议层网络层传输层应用层Page 23n 结合ADDA和AIDA的数据融合 物理层数据链路层AIDA协议层网络层传输层应用层Page 24数据融合分类n 根据融合操作的级别划分 数据级融合 特征级融合 决策级融合Page 25n 数据级融合 传感器1传感器2传感器3数据级融合特征提取识别结果Page 26n 特征级融合 传感器1传感器2传感器3特征级融合识别结果特征提取特征提取特征提取Page 27n 决策级融合 传感器1
6、传感器2传感器3决策级融合识别结果特征提取特征提取特征提取识别识别Page 28数据融合算法数据融合方法经典方法现代方法估计方法统计方法信息论方法人工智能方法加权平均法极大似然法最小二乘法卡尔曼滤波贝叶斯估计经典推理法D-S证据理论品质因数法模糊理论模板法熵理论粗糙集理论产生式规则神经网络遗传算法模糊积分理论Page 29数据融合算法n 加权平均法 n 卡尔曼滤波算法n 贝叶斯估计法n 粗糙集理论n 神经网络算法Page 30n 加权平均法 最简单直观的实时处理信息的融合方法。Page 31n 卡尔曼滤波法 卡尔曼滤波的基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观
7、测值来更新对状态变量的估计，求出现时刻的估计值。X(k)=AX(k-1)+BU(k)+W(k)Z(k)=H X(k)+V(k)系统状态系统测量值Page 32n 卡尔曼滤波法 X(k|k-1)=AX(k-1|k-1)+BU(k)P(k|k-1)=AP(k-1|k-1)A+QX(k|k)= X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)Kg(k)= P(k|k-1)H /(HP(k|k-1)H + R) P(k|k)=(I-Kg(k)H)P(k|k-1) 当进入K+1状态时，P(k|k)就作为P(k-1|k-1)，算法就可自回归地运算下去Page 33n 贝叶斯估计法 假设系统可能的
