基于小波理论的农产品智能嗅觉识别研究
| 第一章 绪论 | 第6-22页 |
| 1.1 本研究的目的及意义 | 第6-7页 |
| 1.2 农产品识别评价方法概述 | 第7-8页 |
| 1.3 人工嗅觉的发展历史 | 第8-9页 |
| 1.4 气体传感器 | 第9页 |
| 1.5 嗅觉信息的特征提取算法研究 | 第9-14页 |
| 1.5.1 特征提取的含义 | 第9-10页 |
| 1.5.2 国内外特征提取方法研究概况 | 第10-14页 |
| 1.6 人工嗅觉的模式识别方法研究 | 第14-21页 |
| 1.6.1 人工嗅觉中常用的模式识别方法 | 第14-16页 |
| 1.6.2 神经网络在人工嗅觉中的应用 | 第16-18页 |
| 1.6.3 遗传算法在神经网络中的应用 | 第18页 |
| 1.6.4 模糊神经网络的应用 | 第18-20页 |
| 1.6.5 小波神经网络的应用 | 第20-21页 |
| 1.7 本论文的主要内容 | 第21-22页 |
| 第二章 人工嗅觉系统组成及工作原理 | 第22-28页 |
| 2.1 系统组成及原理 | 第22-23页 |
| 2.2 气体传感器阵列 | 第23-24页 |
| 2.2.1 金属氧化物气体传感器的气敏原理 | 第23-24页 |
| 2.2.2 气体传感器阵列的数学模型 | 第24页 |
| 2.3 课题硬件组成 | 第24-27页 |
| 2.3.1 气体传感器阵列 | 第25-26页 |
| 2.3.2 A/D转换卡 | 第26-27页 |
| 2.3.3 计算机 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于小波理论的嗅觉信息特征提取研究 | 第28-38页 |
| 3.1 特征提取 | 第28-30页 |
| 3.2 小波理论 | 第30-33页 |
| 3.2.1 小波概念 | 第30-31页 |
| 3.2.2 从 Fourier变换到小波变换 | 第31-33页 |
| 3.3 二维离散小波变换与嗅觉信息特征提取 | 第33-37页 |
| 3.3.1 二进小波变换与G小波基函数 | 第33-34页 |
| 3.3.2 嗅觉信息的数据压缩与特征提取 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于人工神经网络的嗅觉识别算法研究 | 第38-55页 |
| 4.1 神经网络简述 | 第38页 |
| 4.2 前馈型BP神经网络算法的改进 | 第38-44页 |
| 4.2.1 BP神经网络 | 第38-39页 |
| 4.2.2 基本BP算法 | 第39-40页 |
| 4.2.3 传统的改进方法 | 第40-42页 |
| 4.2.4 BP网络的整体优化算法 | 第42-44页 |
| 4.3 BP 网络设计及算法实现 | 第44-51页 |
| 4.3.1 BP网络设计的几点考虑 | 第44-45页 |
| 4.3.2 神经网络模型设计 | 第45-51页 |
| 4.4 四层前馈网络设计及算法实现 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 智能嗅觉识别软件开发 | 第55-68页 |
| 5.1 系统功能设计 | 第55-56页 |
| 5.2 程序开发及说明 | 第56-66页 |
| 5.2.1 VC 6.0开发平台 | 第56页 |
| 5.2.2 程序主界面的制作 | 第56-58页 |
| 5.2.3 数据通讯的软件实现 | 第58-62页 |
| 5.2.4 神经网络识别系统在VC环境下的实现 | 第62-65页 |
| 5.2.5 嗅觉信号压缩与归一的软件实现 | 第65-66页 |
| 5.2.6 工程合并与打包 | 第66页 |
| 5.3 本章小结 | 第66-68页 |
| 第六章 人工嗅觉系统实验验证 | 第68-80页 |
| 6.1 实验装置 | 第68-70页 |
| 6.1.1 传感器测量室 | 第68-69页 |
| 6.1.2 传感器阵列 | 第69-70页 |
| 6.1.3 模数转换 | 第70页 |
| 6.2 实验数据与分析 | 第70-78页 |
| 6.2.1 基于BP网络的酒类识别定性分析 | 第71-75页 |
| 6.2.2 基于小波理论的酒类识别定性分析 | 第75-78页 |
| 6.3 实验结论与总结 | 第78-80页 |
| 第七章 全文总结 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致 谢 | 第86-87页 |
| 摘 要 | 第87-90页 |
| ABSTRACT | 第90页 |
