基于机器嗅觉的中药材质量检测技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| ·研究日的和意义 | 第9-11页 |
| ·中药材鉴别的研究现状 | 第11-12页 |
| ·机器嗅觉技术的研究进展 | 第12-14页 |
| ·国内外机器嗅觉的研究现状 | 第13-14页 |
| ·机器嗅觉的应用研究进展 | 第14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·研究日标 | 第14页 |
| ·研究内容 | 第14-15页 |
| ·论文的结构 | 第15-16页 |
| 2 机器嗅觉原理 | 第16-23页 |
| ·生物嗅觉机理 | 第16页 |
| ·机器嗅觉原理 | 第16-20页 |
| ·气体传感器阵列 | 第17-18页 |
| ·数据预处理 | 第18-19页 |
| ·模式识别 | 第19-20页 |
| ·FOX3000型电子鼻 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3. 支持向量机 | 第23-34页 |
| ·机器学习理论 | 第24-25页 |
| ·统计学习理论 | 第25-28页 |
| ·VC维理论 | 第25页 |
| ·经验风险最小化原则 | 第25-26页 |
| ·结构风险最小化原则 | 第26-28页 |
| ·支持向量机 | 第28-31页 |
| ·支持向量机分类 | 第31-32页 |
| ·两分类支持向量机 | 第31页 |
| ·多分类支持向量机 | 第31-32页 |
| ·支持向量机方法的主要特点 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 中药材特征提取 | 第34-47页 |
| ·研究对象 | 第34-38页 |
| ·研究方案 | 第38-42页 |
| ·中药材的特征提取 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于机器嗅觉的中药材分类 | 第47-66页 |
| ·参数寻优 | 第48-55页 |
| ·交叉验证 | 第48-52页 |
| ·启发算法优化参数 | 第52-55页 |
| ·基于支持向量机的中药材分类 | 第55-57页 |
| ·不同核函数对支持向量机分类效果的影响 | 第57-58页 |
| ·基于神经网络的中药材分类 | 第58-62页 |
| ·BP神经网络分类结果 | 第58-60页 |
| ·RBF神经网络分类结果 | 第60-62页 |
| ·比较及讨论 | 第62页 |
| ·中药材的货架期研究 | 第62-66页 |
| 6 结论与展望 | 第66-68页 |
| ·论文的主要工作 | 第66页 |
| ·下一步的工作 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-76页 |
