| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·课题的提出及意义 | 第8-9页 |
| ·电子鼻的发展现状 | 第9-10页 |
| ·电子鼻的发展前景 | 第10-11页 |
| ·本文主要研究内容 | 第11-12页 |
| 2 模式识别算法 | 第12-27页 |
| ·信号预处理算法 | 第12-17页 |
| ·主分量分析算法 | 第12-14页 |
| ·独立分量分析算法 | 第14-17页 |
| ·模式识别算法 | 第17-26页 |
| ·神经网络算法 | 第17-23页 |
| ·模糊系统算法 | 第23-25页 |
| ·模糊神经网络算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于PCA和ICA的信号预处理算法 | 第27-39页 |
| ·PCA-ICA信号预处理算法实现 | 第27-33页 |
| ·算法的提出 | 第27-29页 |
| ·算法的实现 | 第29-33页 |
| ·PCA-ICA应用于电子鼻信号的效果 | 第33-38页 |
| ·实验数据获取 | 第33页 |
| ·PCA处理数据分析 | 第33-34页 |
| ·ICA处理数据分析 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 4 模糊神经网络电子鼻定量识别系统 | 第39-63页 |
| ·Takagi-Sugeno模糊神经网络系统 | 第39-48页 |
| ·结构原理 | 第39-41页 |
| ·系统学习算法 | 第41-43页 |
| ·系统识别结果及分析 | 第43-48页 |
| ·多神经网络集成的Takagi-Sugeno模糊系统 | 第48-58页 |
| ·多神经网络集成的Takagi-Sugeno模糊系统原理 | 第48-50页 |
| ·系统结构的实现 | 第50-53页 |
| ·系统识别结果及分析 | 第53-58页 |
| ·算法对比及识别性能分析 | 第58-62页 |
| ·ICA-BP算法的识别结果 | 第58-61页 |
| ·对比结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录A 样本数据表 | 第66-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |