| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 电子鼻应用的关键技术与挑战 | 第14-15页 |
| 1.5 拟解决的关键问题 | 第15-16页 |
| 1.6 本文的研究内容和框架结构 | 第16-18页 |
| 第2章 问题分析 | 第18-34页 |
| 2.1 电子鼻系统 | 第18-24页 |
| 2.1.1 工作原理及数据形式 | 第19-21页 |
| 2.1.2 气敏传感器的特性及测试原理 | 第21-22页 |
| 2.1.3 气敏传感器的响应特性曲线 | 第22-24页 |
| 2.2 异常数据问题分析 | 第24-27页 |
| 2.2.1 异常数据的产生原因及特征 | 第24-26页 |
| 2.2.2 异常数据的检测方法 | 第26-27页 |
| 2.2.3 电子鼻的异常数据 | 第27页 |
| 2.3 特征提取问题分析 | 第27-30页 |
| 2.3.1 特征提取的概念 | 第28页 |
| 2.3.2 电子鼻的局部特征提取法 | 第28-29页 |
| 2.3.3 电子鼻的整体特征提取法 | 第29-30页 |
| 2.4 常用的特征提取算法的介绍 | 第30-33页 |
| 2.4.1 主成分分析法 | 第30-31页 |
| 2.4.2 核主成分分析法 | 第31页 |
| 2.4.3 Fisher判别分析法 | 第31-33页 |
| 2.4.4 K-L变换法 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 电子鼻的异常数据处理算法及特征提取方法设计 | 第34-46页 |
| 3.1 聚类算法 | 第34-38页 |
| 3.1.1 近邻聚类算法 | 第35页 |
| 3.1.2 最大最小距离聚类算法 | 第35-36页 |
| 3.1.3 分级聚类算法 | 第36-37页 |
| 3.1.4 K-均值聚类算法 | 第37-38页 |
| 3.2 t检验准则 | 第38-39页 |
| 3.3 傅里叶变换 | 第39-40页 |
| 3.4 K-均值聚类加权算法优化t检验准则的算法设计 | 第40-43页 |
| 3.5 局部和整体特征相结合的特征提取法设计 | 第43-45页 |
| 3.5.1 局部特征的提取 | 第43页 |
| 3.5.2 整体特征的提取 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 实验与仿真验证 | 第46-65页 |
| 4.1 实验设计与数据获取 | 第46-49页 |
| 4.1.1 实验过程 | 第46-47页 |
| 4.1.2 数据分析与处理 | 第47-49页 |
| 4.2 K-均值聚类加权算法优化t检验准则的算法的验证 | 第49-51页 |
| 4.2.1 编程代码 | 第49页 |
| 4.2.2 仿真结果 | 第49-51页 |
| 4.3 支持向量机 | 第51-55页 |
| 4.3.1 最优分类面 | 第52页 |
| 4.3.2 支持向量机模型 | 第52-55页 |
| 4.3.3 实现步骤与编程代码 | 第55页 |
| 4.4 特征提取方法的仿真对比验证 | 第55-63页 |
| 4.4.1 局部特征提取法的结果分析 | 第56-58页 |
| 4.4.2 曲线拟合法的结果分析 | 第58-61页 |
| 4.4.3 局部和整体特征相结合的特征提取法的结果分析 | 第61-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 全文总结与研究展望 | 第65-68页 |
| 5.1 全文总结 | 第65-66页 |
| 5.2 研究展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第72-73页 |
| 附录A | 第73-74页 |
| 附录B | 第74-80页 |
| 附录C | 第80页 |
