计算机专业研究生开题报告模板

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

8、决策为X1,X2,Xm,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) 。Page 34n 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Y1,Y2,Yn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：Page 35n 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。Page 36n 人工神经网

9、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Page 37n 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Page 38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

10、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Page 39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Page 40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Page 41簇头簇头汇聚节点创新点权值参数Page 42研究方法n 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。 n 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。Pa

11、ge 43相关研究资料、设备n 学校图书馆相关书籍n 中国知网等网站相关论文、期刊n 学院物联网实验室相关实验设备（实验箱）Page 44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2013.5Page 45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 46毕业论文提纲

12、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Page 47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 48参考文献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

13、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.Page 49参考文献10 敖邦乾. 无线传感器网络数据融合算法的研究：硕士学

14、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.Page 50参考文献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