基于独立分量分析与神经网络的电子鼻模式识别
| 第1章 绪论 | 第1-17页 |
| ·本课题的研究意义 | 第8-9页 |
| ·电子鼻及其发展现状 | 第9-15页 |
| ·电子鼻系统概述 | 第9-14页 |
| ·电子鼻发展现状 | 第14-15页 |
| ·电子鼻的应用及发展前景 | 第15-17页 |
| ·本文主要研究内容 | 第17页 |
| 第2章 独立分量分析算法基础 | 第17-36页 |
| ·综述 | 第17页 |
| ·信息熵理论 | 第17-21页 |
| ·信息熵 | 第17-18页 |
| ·互信息 | 第18-19页 |
| ·K-L散度和负熵 | 第19-20页 |
| ·最大熵定理 | 第20-21页 |
| ·独立分量分析(ICA) | 第21-32页 |
| ·ICA的问题描述 | 第21-22页 |
| ·ICA的若干限制条件 | 第22页 |
| ·ICA的目标函数 | 第22-25页 |
| ·ICA的优化算法 | 第25-32页 |
| ·FastICA算法 | 第32-36页 |
| ·提取单个独立分量 | 第32-34页 |
| ·提取多个独立分量 | 第34-36页 |
| 第3章 ICABP模式识别算法 | 第36-49页 |
| ·模式识别技术概述 | 第36页 |
| ·人工神经网络概述 | 第36-37页 |
| ·神经网络的理论基础 | 第37-45页 |
| ·人工神经元模型 | 第37-39页 |
| ·人工神经网络的结构 | 第39-40页 |
| ·人工神经网络的学习 | 第40-41页 |
| ·BP神经网络模型介绍 | 第41-45页 |
| ·ICABP模式识别算法提出 | 第45-47页 |
| ·FastICABP模式识别算法描述 | 第47-49页 |
| 第4章 仿真与结果分析 | 第49-59页 |
| ·气体定性识别 | 第49-54页 |
| ·气体定量检测 | 第54-59页 |
| 结论 | 第59-61页 |
| 1 论文的研究意义 | 第59页 |
| 2 本文所作的工作 | 第59-60页 |
| 3 后续工作 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-80页 |
| 1 气体定性识别仿真数据 | 第66-67页 |
| 2 气体定量识别仿真数据 | 第67-69页 |
| 3 程序代码 | 第69-80页 |
| 攻读硕士学位期间发表的论文 | 第80页 |
