計算機專業(yè)研究生開題報告模板

1、基于神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法研究答辯人：指導(dǎo)教師：教授Page 2選題背景選題的目的與意義國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢研究目標(biāo)及研究內(nèi)容、方法、進度畢業(yè)論文提綱參考文獻Page 3選題背景選題的目的與意義國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢研究目標(biāo)及研究內(nèi)容、方法、進度畢業(yè)論文提綱參考文獻Page 4選題背景無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks,WSN）：由微型傳感器協(xié)同組織構(gòu)成的網(wǎng)絡(luò)，能夠?qū)崟r監(jiān)測、采集監(jiān)控區(qū)域內(nèi)的各種環(huán)境信息，通過多跳的無線通信方式，將收集、處理后的信息提供給終端用戶。Page 5選題背景重要性Page 6選題背景應(yīng)用前景

2、Page 7選題背景選題的目的與意義國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢研究目標(biāo)及研究內(nèi)容、方法、進度畢業(yè)論文提綱參考文獻Page 8無線傳感器網(wǎng)絡(luò)的研究熱點網(wǎng)絡(luò)拓?fù)淇刂茢?shù)據(jù)融合網(wǎng)絡(luò)協(xié)議數(shù)據(jù)并行處理網(wǎng)絡(luò)安全無線傳輸時鐘同步嵌入式操作系統(tǒng)節(jié)點定位應(yīng)用層協(xié)議Page 9選題的目的與意義各節(jié)點單獨傳送數(shù)據(jù)，浪費通信帶寬和能量，同時又降低了信息的收集效率WSN：以數(shù)據(jù)為中心的網(wǎng)絡(luò)Page 10選題的目的與意義采用數(shù)據(jù)融合技術(shù)，減少數(shù)據(jù)傳輸量，節(jié)約能量，延長網(wǎng)絡(luò)生存時間數(shù)據(jù)融合就是刪除冗余、無效和可信度較差的數(shù)據(jù)，把來自不同節(jié)點的多份數(shù)據(jù)進行融合處理，組合出更有效、更符合用戶需求的數(shù)據(jù)。Page 11

3、選題背景選題的目的與意義國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢研究目標(biāo)及研究內(nèi)容、方法、進度畢業(yè)論文提綱參考文獻Page 12國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢n國外Page 13國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢n國內(nèi)Page 14國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢n趨勢數(shù)據(jù)融合算法的研究趨勢是將各種理論結(jié)合，取長補短，如遺傳算法和模糊聚合相結(jié)合、模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合、粗糙集理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合等。Page 15選題背景選題的目的與意義國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢研究目標(biāo)及研究內(nèi)容、方法、進度畢業(yè)論文提綱參考文獻Page 16研究目標(biāo) 改進人工神經(jīng)網(wǎng)絡(luò)算法，提出一個

4、新的基于分簇路由協(xié)議的數(shù)據(jù)融合算法，以此來延長網(wǎng)絡(luò)的生存期，減輕網(wǎng)絡(luò)的延遲等。Page 17研究內(nèi)容n 數(shù)據(jù)融合分類n 數(shù)據(jù)融合算法Page 18數(shù)據(jù)融合分類n 根據(jù)融合前后數(shù)據(jù)的信息含量劃分 無損失融合 有損失融合Page 19n 無損失融合 n 有損失融合D1D2D1D2D3D1D1D1D2D3D(Fusion_data)=5D13D22D3D1D2D1D2D3D1D1D1D2D3D(Fusion_data)=W1*D1+W2*D2+W3*D3Page 20數(shù)據(jù)融合分類n 根據(jù)數(shù)據(jù)融合與應(yīng)用層數(shù)據(jù)語義之間的關(guān)系劃分 依賴于應(yīng)用的數(shù)據(jù)融合 獨立于應(yīng)用的數(shù)據(jù)融合 結(jié)合ADDA和AIDA的數(shù)據(jù)融

5、合Page 21n 依賴于應(yīng)用的數(shù)據(jù)融合 物理層數(shù)據(jù)鏈路層網(wǎng)絡(luò)層傳輸層應(yīng)用層物理層數(shù)據(jù)鏈路層網(wǎng)絡(luò)層傳輸層應(yīng)用層Page 22n 獨立于應(yīng)用的數(shù)據(jù)融合 物理層數(shù)據(jù)鏈路層AIDA協(xié)議層網(wǎng)絡(luò)層傳輸層應(yīng)用層Page 23n 結(jié)合ADDA和AIDA的數(shù)據(jù)融合 物理層數(shù)據(jù)鏈路層AIDA協(xié)議層網(wǎng)絡(luò)層傳輸層應(yīng)用層Page 24數(shù)據(jù)融合分類n 根據(jù)融合操作的級別劃分 數(shù)據(jù)級融合 特征級融合 決策級融合Page 25n 數(shù)據(jù)級融合 傳感器1傳感器2傳感器3數(shù)據(jù)級融合特征提取識別結(jié)果Page 26n 特征級融合 傳感器1傳感器2傳感器3特征級融合識別結(jié)果特征提取特征提取特征提取Page 27n 決策級融合 傳感器1

6、傳感器2傳感器3決策級融合識別結(jié)果特征提取特征提取特征提取識別識別Page 28數(shù)據(jù)融合算法數(shù)據(jù)融合方法經(jīng)典方法現(xiàn)代方法估計方法統(tǒng)計方法信息論方法人工智能方法加權(quán)平均法極大似然法最小二乘法卡爾曼濾波貝葉斯估計經(jīng)典推理法D-S證據(jù)理論品質(zhì)因數(shù)法模糊理論模板法熵理論粗糙集理論產(chǎn)生式規(guī)則神經(jīng)網(wǎng)絡(luò)遺傳算法模糊積分理論Page 29數(shù)據(jù)融合算法n 加權(quán)平均法 n 卡爾曼濾波算法n 貝葉斯估計法n 粗糙集理論n 神經(jīng)網(wǎng)絡(luò)算法Page 30n 加權(quán)平均法 最簡單直觀的實時處理信息的融合方法。Page 31n 卡爾曼濾波法 卡爾曼濾波的基本思想是：采用信號與噪聲的狀態(tài)空間模型，利用前一時刻的估計值和現(xiàn)時刻的觀

7、測值來更新對狀態(tài)變量的估計，求出現(xiàn)時刻的估計值。X(k)=AX(k-1)+BU(k)+W(k)Z(k)=H X(k)+V(k)系統(tǒng)狀態(tài)系統(tǒng)測量值Page 32n 卡爾曼濾波法 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) 當(dāng)進入K+1狀態(tài)時，P(k|k)就作為P(k-1|k-1)，算法就可自回歸地運算下去Page 33n 貝葉斯估計法 假設(shè)系統(tǒng)可能的

8、決策為X1,X2,Xm,當(dāng)某一傳感器對系統(tǒng)進行觀測時，觀測結(jié)果記為Y；根據(jù)先驗概率P(Xi)和條件概率P(Y|Xi)求出后驗概率P(Xi|Y) 。Page 34n 貝葉斯估計法 推廣到多個傳感器的情況。當(dāng)有n個傳感器，觀測結(jié)果分別為Y1,Y2,Yn時，假設(shè)它們之間相互獨立且與被觀測對象條件獨立，則可以得到系統(tǒng)有n個傳感器時的各決策總的后驗概率：Page 35n 粗糙集理論 粗糙集理論把每個傳感器節(jié)點采集的數(shù)據(jù)看成一個等價類，利用粗糙集理論的化簡、核和相容性等概念，對大量傳感器數(shù)據(jù)進行分析，去除冗余信息，求出最小化不變量，找出對決策有用的決策信息，得到最快的融合算法。Page 36n 人工神經(jīng)網(wǎng)

9、絡(luò)算法 簇成員節(jié)點采集數(shù)據(jù)至匯聚節(jié)點輸入層隱層輸出層簇成員節(jié)點簇首節(jié)點Page 37n 人工神經(jīng)網(wǎng)絡(luò)算法 . . .輸入?yún)^(qū)處理區(qū)輸出區(qū)輸入信號神經(jīng)元神經(jīng)元處理模型Page 38各種數(shù)據(jù)融合算法的優(yōu)缺點數(shù)據(jù)融合算法優(yōu)點缺點加權(quán)平均簡單，直觀權(quán)值不易獲??；只能融合同類型傳感器的數(shù)據(jù)卡爾曼濾波不需要較大存儲和計算單元；速度快Q和R的選取較困難貝葉斯估計強有力的不確定信息處理方法不易得到系統(tǒng)的先驗知識及根據(jù)傳感器特性得到先驗概率和條件概率粗糙集理論不需要先驗知識；對噪聲較敏感;容錯能力相對較弱；只處理離散化數(shù)據(jù)人工神經(jīng)網(wǎng)絡(luò)具有高容錯性、魯棒性；具有大規(guī)模并行處理能力；結(jié)構(gòu)與WSN相似；具有較好的抑制噪

10、聲的抗干擾能力對神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要較大的計算量和通信量；不能將輸入信息空間維數(shù)簡化Page 39至匯聚節(jié)點輸入層隱層輸出層簇成員節(jié)點簇首節(jié)點創(chuàng)新點前置處理系統(tǒng)簡化輸入信息空間維數(shù)，從而簡化訓(xùn)練集，減少網(wǎng)絡(luò)的訓(xùn)練時間Page 40創(chuàng)新點外部監(jiān)測環(huán)境多傳感器數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)學(xué)習(xí)及訓(xùn)練融合模型知識庫融合算法融合結(jié)果測試應(yīng)用外部學(xué)習(xí)訓(xùn)練權(quán)值參數(shù)Page 41簇頭簇頭匯聚節(jié)點創(chuàng)新點權(quán)值參數(shù)Page 42研究方法n 文獻法、比較研究法 通過閱讀大量關(guān)于無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合的文獻，分析比較文獻中的各種數(shù)據(jù)融合方法，提出一種新的數(shù)據(jù)融合方法。 n 實驗法 利用實驗室現(xiàn)有設(shè)備，實現(xiàn)自己的想法，并比較優(yōu)缺點。Pa

11、ge 43相關(guān)研究資料、設(shè)備n 學(xué)校圖書館相關(guān)書籍n 中國知網(wǎng)等網(wǎng)站相關(guān)論文、期刊n 學(xué)院物聯(lián)網(wǎng)實驗室相關(guān)實驗設(shè)備（實驗箱）Page 44研究進度安排已完成工作未完成工作查閱文獻、收集資料、確定選題2011.122012.1論文開題2012.3資料分析、整理與歸納2012.22012.3制定詳細(xì)實施方案，并開始撰寫畢業(yè)論文初稿2012.4初步擬定論文框架，制定開題報告2012.3實施方案并修改論文2012.42013.4畢業(yè)論文答辯2013.5Page 45選題背景選題的目的與意義國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢研究目標(biāo)及研究內(nèi)容、方法、進度畢業(yè)論文提綱參考文獻Page 46畢業(yè)論文提綱

12、第一章 緒論第二章 無線傳感器網(wǎng)絡(luò)和數(shù)據(jù)融合第三章 改進的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法第四章 仿真實驗及結(jié)果分析第五章 改進的數(shù)據(jù)融合算法的應(yīng)用第六章 總結(jié)與展望參考文獻致謝Page 47選題背景選題的目的與意義國內(nèi)外關(guān)于該論題的研究進展、現(xiàn)狀及趨勢研究目標(biāo)及研究內(nèi)容、方法、進度畢業(yè)論文提綱參考文獻Page 48參考文獻1 何朝娟. 基于TinyOS的路由層數(shù)據(jù)融合的研究及實現(xiàn)：碩士學(xué)位論文，成都：電子科技大學(xué). 2 肖利華. 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)的研究與實現(xiàn)：碩士學(xué)位論文，廣州：華南理工大學(xué).3 王戰(zhàn)友. 基于信任的無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)融合的研究：碩士學(xué)位論文，濟南：山東師范大學(xué).4 李

13、兆祥. 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合的算法研究：碩士學(xué)位論文，武漢：武漢理工大學(xué).5 章芬. 無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)融合技術(shù)的研究：碩士學(xué)位論文，武漢：湖北工業(yè)大學(xué).6 王彪. 基于移動代理的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合協(xié)議研究：碩士學(xué)位論文，南京：南京郵電大學(xué).7 馬冰冰. 無線傳感器網(wǎng)絡(luò)安全的數(shù)據(jù)融合協(xié)議：碩士學(xué)位論文，北京：北京理工大學(xué).8 孔凡天. 無線傳感器網(wǎng)絡(luò)節(jié)點定位與數(shù)據(jù)融合技術(shù)研究及實現(xiàn)：博士學(xué)位論文，武漢：華中科技大學(xué).9 蔣鼎國. 無線傳感器網(wǎng)絡(luò)農(nóng)業(yè)信息監(jiān)控系統(tǒng)設(shè)計與數(shù)據(jù)融合研究：博士學(xué)位論文，無錫：江南大學(xué).Page 49參考文獻10 敖邦乾. 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法的研究：碩士學(xué)

14、位論文，長沙：中南大學(xué). 11 邱爽. 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法研究：碩士學(xué)位論文，武漢：武漢理工大學(xué). 12 袁剛. 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合系統(tǒng)設(shè)計：碩士學(xué)位論文，北京：北京郵電大學(xué). 13 屈劍鋒. 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合與目標(biāo)跟蹤研究及其應(yīng)用：博士學(xué)位論文，重慶：重慶大學(xué).14 李宏娟. 無線傳感器網(wǎng)絡(luò)中安全數(shù)據(jù)融合的研究：碩士學(xué)位論文，大連：大連理工大學(xué).15 秦曉良，魏琴芳，張雙杰 . WSNs中高效且適應(yīng)性強的安全數(shù)據(jù)融合J. 計算機應(yīng)用研究，2011,28(11)：4299-4302.16 陸三蘭，程銘東. 基于D-S證據(jù)理論的組合數(shù)據(jù)融合算法J. 微電子學(xué)與計算機，2011，28(01)：95-98.17 唐飛岳，吳煒，陳明剛，等. 帶反饋的無線傳感器網(wǎng)絡(luò)實時數(shù)據(jù)融合策略J. 計算機工程與設(shè)計，2011,32(02)：453-456.Page 50參考文獻18 張慶偉. 基于粗糙集與神經(jīng)網(wǎng)絡(luò)的WSN數(shù)據(jù)融合算法研究：碩士學(xué)位論文，太原：太原理工大學(xué).19 潘旵. 基于遺傳算法改進的人工神經(jīng)網(wǎng)絡(luò)的研究以及在肺癌預(yù)測的應(yīng)用：碩士學(xué)位論文，吉林：東北師范大學(xué).20 田洋. 無線傳感器網(wǎng)絡(luò)決策層數(shù)據(jù)