声明
摘要
1绪论
1.1研究背景及意义
1.1.1图像识别
1.1.2数据融合
1.2研究现状
1.2.1 电动车进入轿厢识别研究现状
1.2.2数据融合研究现状
1.3本文主要研究内容及章节安排
1.3.1本文主要研究内容
1.3.2章节安排
2神经网络与多源数据融合相关理论
2.1神经网络
2.1.1反馈神经网络
2.1.2前馈神经网络
2.1.3部分卷积神经网络模型
2.2数据融合
2.2.1数据融合层次
2.2.2融合层次对比
2.2.3数据融合算法
2.3决策融合识别监测模型
2.4本章小结
3多神经网络电动车进入轿厢模式识别
3.1数据集的制备
3.1.1传感器选型
3.1.2数据集构成
3.2基于VGG19电动车碰撞声音模式识别
3.2.1电动车碰撞声音数据预处理及特征选择
3.2.2基于VGG19的电动车碰撞声音模式识别算法流程
3.2.3实验结果与分析
3.3基于BP三轴重量加速度模式识别
3.3.1三轴重力加速度数据预处理
3.3.2三轴重力加速度的特征选择
3.3.3基于BP神经网络的三轴重力加速度模式识别算法流程
3.3.4实验以及结果分析
3.4基于改进ResNet101的电动车图像模式识别
3.4.1图像数据预处理
3.4.2ResNet101卷积神经网络改进思想
3.4.3基于SE-ResNet101神经网络电动车进入轿厢图像模式识别算法流程
3.4.4实验结果及分析
3.5本章小结
4.1D-S证据理论的基本概念
4.2D-S证据理论缺陷及改进
4.2.1D-S证据理论缺陷
4.2.2D-S证据理论的改进
4.3基于夹角余弦与欧氏距离的D-S证据理论方法
4.3.1冲突数据的确定
4.3.2基于欧式距离度量冲突证据
4.3.3实例分析
4.4设计多神经网络和D-S融合的识别电动车进入轿厢模型
4.4.1基于神经网络的BPA构造
4.4.2基于多神经网络与D-S证据理论电动车监测建模
4.4.3实验结果分析
4.5本章小结
5总结与展望
5.1总结
5.2展望
参考文献
个人简历、在学校期间发表的学术论文及科研成果
致谢
郑州大学;