声明
1 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 多传感器数据融合的发展现状
1.2.2 人体健康监测系统的发展现状
1.3 论文研究内容
1.4 论文的组织结构
2 数据融合与人体健康监测系统相关理论
2.1 数据融合关键技术
2.1.1 数据融合的定义
2.1.2 数据融合的通用结构
2.1.3 多传感数据融合的分类
2.1.4 数据融合的方法
2.2 人体健康监测系统研究
2.2.1 终端节点
2.2.2 无线传输
2.2.3 数据处理
2.3 本章小结
3 多体征参数的异常检测研究
3.1 引言
3.2.1 局部异常因子检测
3.2.2 孤立森林
3.3 多属性相关的异常检测算法研究
3.3.1 滑动窗口模型及数据相关性
3.3.2 基于多相关性的数据异常检测
3.4 实验结果分析与比较
3.5 本章小结
4 多体征参数数据融合算法的研究
4.1 引言
4.2 现有算法及其不足之处
4.2.1 D-S证据理论的基本概念与定义
4.2.2 D-S证据理论组成规则
4.2.3 D-S证据理论算法的不足之处
4.3.1 机器学习算法的选择
4.3.2 SVM的基本概念与定义
4.3.3 SVM的惩罚因子以及核函数
4.3.4 改进的支持向量机算法研究
4.3.5 实验结果分析与比较
4.4 基于改进SVM和D-S证据理论结合的决策级融合
4.4.1 支持向量机的多分类问题
4.4.2 BPA函数的构造
4.4.3 实验结果分析与比较
4.5 本章小结
5 系统设计与测试
5.1 引言
5.2.1 系统设计原则分析
5.2.2 系统总体设计架构
5.3 系统硬件设计
5.3.1 终端节点设计
5.3.2 汇聚节点设计
5.4 系统软件设计
5.4.1 终端节点软件设计
5.4.2 汇聚节点软件设计
5.4.3 服务器软件设计
5.5.1 数据采集功能测试
5.5.2 Web服务器测试
5.5.2 数据融合算法测试及结果分析
5.6 本章小结
6 结论
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间取得的研究成果
西南科技大学;