| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·气体传感阵列模式识别方法研究的意义 | 第8-9页 |
| ·气体传感阵列模式识别国内外研究现状 | 第9-11页 |
| ·变压器油中溶解气体在线监测 | 第9页 |
| ·可燃性及污染性气体的监测 | 第9-10页 |
| ·食品质量检验 | 第10页 |
| ·生物医学诊断 | 第10-11页 |
| ·其他应用 | 第11页 |
| ·气体传感阵列常用模式识别方法 | 第11-13页 |
| ·多元统计方法 | 第11-12页 |
| ·非统计方法 | 第12页 |
| ·其它方法 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·小结 | 第14-15页 |
| 2 气体传感阵列在变压器油中多组分气体在线监测中的应用 | 第15-24页 |
| ·基于气体传感阵列的变压器油中多组分气体在线监测技术 | 第15-16页 |
| ·气体传感器阵列及主要技术指标 | 第16-19页 |
| ·气体传感器阵列的组成 | 第16-18页 |
| ·气体传感器的主要技术指标 | 第18-19页 |
| ·气体传感器特性实验研究 | 第19-23页 |
| ·气体传感器的响应曲线 | 第19-21页 |
| ·重复性实验 | 第21-22页 |
| ·选择性实验 | 第22-23页 |
| ·小结 | 第23-24页 |
| 3 支持向量机及其在模式识别中的应用 | 第24-33页 |
| ·统计学习理论 | 第24-25页 |
| ·支持向量机 | 第25-29页 |
| ·支持向量分类机 | 第25-28页 |
| ·支持向量回归机 | 第28-29页 |
| ·核函数及SVM 参数 | 第29-31页 |
| ·核函数 | 第29-30页 |
| ·SVM 参数 | 第30-31页 |
| ·支持向量机在模式识别中的应用 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 基于支持向量回归机的气体传感阵列识别方法 | 第33-52页 |
| ·概述 | 第33页 |
| ·数据处理 | 第33-38页 |
| ·混合气体的配置 | 第33-34页 |
| ·样本数据的选取 | 第34-37页 |
| ·样本数据的归一化处理 | 第37-38页 |
| ·基于标准支持向量回归机的气体传感阵列识别方法 | 第38-46页 |
| ·支持向量回归机的参数选择 | 第38-42页 |
| ·基于标准支持向量回归机的气体传感阵列模式识别 | 第42-46页 |
| ·基于免疫支持向量回归机的气体传感阵列模式识别 | 第46-50页 |
| ·免疫算法简介 | 第46页 |
| ·免疫算法优化SVM 参数流程 | 第46-48页 |
| ·免疫支持向量回归机应用于气体传感阵列模式识别流程 | 第48页 |
| ·免疫支持向量回归模型对测试样本的模式识别分析 | 第48-50页 |
| ·小结 | 第50-52页 |
| 5 基于免疫加权支持向量回归机的气体传感阵列识别方法 | 第52-63页 |
| ·对标准支持向量回归机的改进 | 第52-54页 |
| ·加权支持向量回归机(WSVR) | 第52-53页 |
| ·加权系数的特性 | 第53-54页 |
| ·基于加权系数寻优的回归型加权支持向量机 | 第54页 |
| ·基于免疫加权支持向量回归机的气体传感阵列模式识别 | 第54-62页 |
| ·样本数据的选取及归一化预处理 | 第55-57页 |
| ·线性插值和非线性插值加权系数的确定 | 第57-58页 |
| ·基于免疫WSVR 的气体传感阵列模式识别 | 第58-62页 |
| ·小结 | 第62-63页 |
| 6 结论及展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附 录 | 第69页 |
| A. 作者在攻读学位期间发表的论文目录: | 第69页 |
| B. 作者在攻读学位期间参加的科研项目: | 第69页 |
