计算机专业研究生开题报告模板概要.ppt

单击此处编辑母版文本样式,第二级,第三级,第四级,单击此处编辑母版标题样式,Page,*,单击此处编辑母版文本样式,第二级,第三级,第四级,单击此处编辑母版标题样式,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,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,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,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。,选题背景,重要性,选题背景,应用前景,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,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,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,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,。,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,国内外关于该论题的研究进展、现状及趋势,国外,国内外关于该论题的研究进展、现状及趋势,国内,国内外关于该论题的研究进展、现状及趋势,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。,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,研究目标,改进人工神经网络算法，,提出,一个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。,研究内容,数据融合分类,数据融合算法,数据融合分类,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,无,损失融合,有损失融合,D1,D2,D1,D2,D3,D1,D1,D1,D2,D3,D(Fusion_data)=,5,D1,3,D2,2,D3,D1,D2,D1,D2,D3,D1,D1,D1,D2,D3,D(Fusion_data)=W,1,*D1+W,2,*D2+W,3,*D3,数据融合分类,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,的数据融合,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,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,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,数据融合分类,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,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,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,决策,级融合,传感器,1,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,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,数据融合算法,加权平均法,卡尔曼滤波算法,贝叶斯估计法,粗糙集理论,神经网络算法,加权平均法,最简单直观的实时处理信息的融合方法。,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,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+Q,X(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,贝叶斯估计法,假设系统可能的决策为,X,1,X,2,X,m,当某一传感器对系统进行观测时，观测结果记为,Y,；,根据,先验概率,P(Xi),和条件概率,P(Y|Xi,),求出后验概率,P(Xi|,Y,),。,贝叶斯估计法,推广到多个传感器的情况。当有,n,个传感器，观测结果分别为,Y,1,Y,2,Y,n,时，假设它们之间相互独立且与被观测对象条件独立，则可以得到系统有,n,个传感器时的各决策总的后验概率,：,粗糙,集理论,粗糙,集理论把每个传感器节点采集的数据看成一个等价类，利用粗糙集理论的化简、核和相容性等概念，对大量传感器数据进行分析，去除冗余信息,，求出最小化不变,量,，,找出对决策有用的决策信息，得到最快的融合算法。,人工神经网络算法,簇成员节点采集数据,至汇聚节点,输入层,隐层,输出层,簇成员节点,簇首节点,人工神经网络算法,.,.,.,.,.,输入区,处理区,输出区,输入信号,神经元,神经元处理模型,各种数据融合算法的优缺点,数据融合算法,优点,缺点,加权平均,简单，直观,权值不易获取；,只能融合同类型传感器的数据,卡尔曼滤波,不需要较大存储和计算单元；,速度快,Q,和,R,的选取较困难,贝叶斯估计,强有力的不确定信息处理方法,不易得到系统的先验知识及根据传感器特性得到先验概率和条件概率,粗糙集理论,不需要先验知识；,对噪声较敏感,;,容错能力相对较弱；,只处理离散化数据,人工神经网络,具有高容错性、鲁棒性；,具有大规模并行处理能力；,结构与,WSN,相似；,具有较好的抑制噪声的抗干扰能力,对神经网络训练需要较大的计算量和通信量；,不能将输入信息空间维数简化,至汇聚节点,输入层,隐层,输出层,簇成员节点,簇首节点,创新点,前,置,处,理,系,统,简化输入信息空间维数，从而,简化训练集,，减少网络的训练时间,创新点,外,部,监,测,环,境,多,传,感,器,数,据,神经网络,网络学习及训练,融合模型知识库,融合算法,融,合,结,果,测试应用,外部学习训练,权值参数,簇头,簇头,汇聚节点,创新点,权值参数,研究方法,文献法、比较研究法,通过阅读大量关于无线传感器网络数据融合的文献，分析比较文献中的各种数据融合方法，提出一种新的数据融合方法。,实验法,利用实验室现有设备，实现自己的想法，并比较优缺点。,相关研究资料、设备,学校图书馆相关书籍,中国知网等网站相关论文、期刊,学院物联网实验室相关实验设备（实验箱）,研究进度安排,已完成工作,未完成工作,查阅文献、收集资料、确定选题,2011.122012.1,论文开题,2012.3,资料分析、整理与归纳,2012.22012.3,制定详细实施方案，并开始撰写毕业论文初稿,2012.4,初步拟定论文框架，制定开题报告,2012.3,实施方案并修改论文,2012.42013.4,毕业论文答辩,2013.5,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,毕业论文提纲,第一章 绪论,第二章 无线传感器网络和数据融合,第三章 改进的无线传感器网络数据融合算法,第四章 仿真实验及结果分析,第五章 改进的数据融合算法的应用,第六章 总结与展望,参考文献,致谢,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,参考文献,1,何朝娟,.,基于,TinyOS,的路由层数据融合的研究及实现：,硕士学位论文,，成都：电子科技大学,.,2,肖利华,.,无线传感器网络数据融合技术的研究与实现：,硕士学位论文,，广州：华南理工大学,.,3,王战友,.,基于信任的无线传感器网络中数据融合的研究：,硕士学位论文,，济南：山东师范大学,.,4,李兆祥,.,无线传感器网络数据融合的算法研究：,硕士学位论文,，武汉：武汉理工大学,.,5,章芬,.,无线传感器网络中数据融合技术的研究：,硕士学位论文,，武汉：湖北工业大学,.,6,王彪,.,基于移动代理的无线传感器网络数据融合协议研究：,硕士学位论文,，南京：南京邮电大学,.,7,马冰冰,.,无线传感器网络安全的数据融合协议：,硕士学位论文,，北京：北京理工大学,.,8,孔凡天,.,无线传感器网络节点定位与数据融合技术研究及实现：,博士学位论文,，武汉：华中科技大学,.,9,蒋鼎国,.,无线传感器网络农业信息监控系统设计与数据融合研究：,博士学位论文,，无锡：江南大学,.,参考文献,10,敖邦乾,.,无线传感器网络数据融合算法的研究：,硕士学位论文,，长沙：中南大学,.,11,邱爽,.,无线传感器网络数据融合算法研究：,硕士学位论文,，武汉：武汉理工大学,.,12,袁刚,.,无线传感器网络数据融合系统设计：,硕士学位论文,，北京：北京邮电大学,.,13,屈剑锋,.,无线传感器网络数据融合与目标跟踪研究及其应用：,博士学位论文,，重庆：重庆大学,.,14,李宏娟,.,无线传感器网络中安全数据融合的研究：,硕士学位论文,，大连：大连理工大学,.,15,秦晓良，魏琴芳，张双杰,.WSNs,中高效且适应性强的安全数据融合,J.,计算机应用研究，,2011,28(11),：,4299-4302.,16,陆三兰，程铭东,.,基于,D-S,证据理论的组合数据融合算法,J.,微电子学与计算机，,2011,，,28(01),：,95-98.,17,唐飞岳，吴炜，陈明刚，等,.,带反馈的无线传感器网络实时数据融合策略,J.,计算机工程与设计，,2011,32(02),：,453-456.,参考文献,18,张庆伟,.,基于粗糙集与神经网络的,WSN,数据融合算法研究：,硕士学位论文,，太原：太原理工大学,.,19,潘旵,.,基于遗传算法改进的人工神经网络的研究以及在肺癌预测的应用：,硕士学位论文,，吉林：东北师范大学,.,20,田洋,.,无线传感器网络决策层数据融合的研究：,硕士学位论文,，沈阳：辽宁大学,.,21,陈恒,.,无线传感器网络中数据融合技术的研究：,硕士学位论文,，长春：吉林大学,.,22,肖骁，王国军，马征,.BP,神经网络在,WSN,数据融合中的应用,J.,企业技术开发，,2009,28:15-17.,23,孙凌逸，黄先祥，蔡伟，等,.,基于神经网络的无线传感器网络数据融合算法,J.,传感技术学报，,2011,24(01):122-127.,24,陈于康,.,基于神经网络的数据融合研究和仿真：,硕士学位论文,，成都：电子科技大学,.,