人工嗅觉信号识别方法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-21页 |
| ·课题来源 | 第11页 |
| ·课题意义 | 第11-12页 |
| ·国内外发展现状 | 第12-20页 |
| ·哺乳动物嗅觉系统与人工嗅觉系统 | 第12-15页 |
| ·人工嗅觉技术研究现状 | 第15-18页 |
| ·人工嗅觉系统应用研究现状 | 第18-20页 |
| ·论文结构安排 | 第20-21页 |
| 第二章 人工嗅觉系统进气装置仿真设计 | 第21-31页 |
| ·加热系统的参数计算 | 第21-25页 |
| ·进气装置的AMESim仿真 | 第25-28页 |
| ·AMESim软件简介 | 第25页 |
| ·进气装置仿真与设计 | 第25-28页 |
| ·人工嗅觉系统实验 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 人工嗅觉系统信号预处理方法与时间序列编码 | 第31-43页 |
| ·传感器阵列信号的预处理 | 第31-33页 |
| ·人工嗅觉信号的编码 | 第33-39页 |
| ·序空间 | 第34-36页 |
| ·符号分析方法 | 第36-39页 |
| ·序空间的符号分析方法的特征提取 | 第39-42页 |
| ·基于序空间的符号编码方法 | 第39-40页 |
| ·基于序空间的符号分析方法的验证 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于支持向量机人工嗅觉气味分类识别方法 | 第43-54页 |
| ·支持向量机理论 | 第43-48页 |
| ·机器学习模型 | 第43-44页 |
| ·最优分类超平面 | 第44-46页 |
| ·支持向量机 | 第46-48页 |
| ·支持向量机的多分类策略 | 第48-51页 |
| ·“一对多”多类分类算法 | 第48-49页 |
| ·“一对一”多类分类算法 | 第49页 |
| ·多单类支持向量机 | 第49-51页 |
| ·多类支持向量机对气味分类验证分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于仿生嗅觉神经网络的气味分类识别方法 | 第54-67页 |
| ·BP人工神经网络 | 第54-57页 |
| ·BP神经网络算法原理 | 第54-55页 |
| ·BP神经网络对人工嗅觉信号的识别 | 第55-57页 |
| ·鼠类嗅觉神经网络模型 | 第57-61页 |
| ·仿生神经网络模型 | 第58-59页 |
| ·学习算法 | 第59-61页 |
| ·仿生嗅觉神经网络的气味分类识别实验 | 第61-65页 |
| ·仿生嗅觉神经网络的建立 | 第61-62页 |
| ·应用 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 作者在学期间取得的学术成果 | 第75页 |
