基于气体传感器阵列的白酒分类与识别
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-21页 |
| ·前言 | 第10页 |
| ·气体传感器的发展概况 | 第10-12页 |
| ·电子鼻技术 | 第12-17页 |
| ·电子鼻发展简史 | 第12页 |
| ·电子鼻的定义及主要结构 | 第12-17页 |
| ·电子鼻的工作原理 | 第17页 |
| ·电子鼻对白酒测量的意义 | 第17-18页 |
| ·电子鼻的应用领域 | 第17-18页 |
| ·白酒测量的意义 | 第18页 |
| ·电子鼻测量酒类的国内外研究进展 | 第18-19页 |
| ·本课题研究的意义及内容 | 第19-21页 |
| 第2章 实验方法和材料 | 第21-29页 |
| ·气敏传感器阵列 | 第21-25页 |
| ·气敏传感器 | 第21页 |
| ·测试原理 | 第21-24页 |
| ·基本模型 | 第21-23页 |
| ·SnO_2气敏元件工作原理 | 第23-24页 |
| ·气体传感器阵列构成 | 第24-25页 |
| ·信号采集电路 | 第25-26页 |
| ·单个传感器的测试电路 | 第25-26页 |
| ·传感器阵列的测试电路 | 第26页 |
| ·实验方法 | 第26-28页 |
| ·测试对象 | 第26-27页 |
| ·电子鼻系统 | 第27页 |
| ·测试过程 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 蒸发温度对白酒评价的影响研究 | 第29-37页 |
| ·动态测量 | 第29-30页 |
| ·实验过程 | 第30-31页 |
| ·实验材料 | 第30页 |
| ·测量方法 | 第30-31页 |
| ·数据分析 | 第31页 |
| ·结果与讨论 | 第31-36页 |
| ·不同蒸发温度下白酒的分类结果 | 第31-35页 |
| ·白酒的香型特征分析 | 第31-33页 |
| ·白酒的酒精度特征分析 | 第33-35页 |
| ·蒸发温度对白酒分类的影响 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于电子鼻的白酒特征分析 | 第37-45页 |
| ·主要香型白酒的成分及香味特征 | 第37-39页 |
| ·浓香型白酒 | 第37-38页 |
| ·清香型白酒 | 第38页 |
| ·酱香型白酒 | 第38页 |
| ·米香型白酒 | 第38页 |
| ·兼香型白酒 | 第38-39页 |
| ·白酒的特征 | 第39页 |
| ·实验过程 | 第39-40页 |
| ·实验材料 | 第39-40页 |
| ·测量方法 | 第40页 |
| ·数据分析 | 第40页 |
| ·结果与讨论 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 白酒判别常用模式识别算法比较 | 第45-59页 |
| ·模式识别方法及原理 | 第45-50页 |
| ·基于统计理论的模式识别算法 | 第45-47页 |
| ·k-近邻法(k-NN) | 第45-46页 |
| ·聚类分析(CA) | 第46页 |
| ·判别分析(DA) | 第46页 |
| ·主元分析(PCA) | 第46-47页 |
| ·基于神经网络理论的模式识别算法 | 第47-50页 |
| ·反向传播人工神经网络(BP-ANN) | 第47-48页 |
| ·概率神经网络(PNN) | 第48-49页 |
| ·学习向量量化(LVQ) | 第49-50页 |
| ·自组织映射(SOM) | 第50页 |
| ·实验过程 | 第50-52页 |
| ·实验材料 | 第51页 |
| ·测量方法 | 第51页 |
| ·模式识别算法及评价标准 | 第51-52页 |
| ·白酒的特征识别 | 第52-57页 |
| ·BP-ANN分析 | 第52-53页 |
| ·PNN分析 | 第53-55页 |
| ·LVQ分析 | 第55-56页 |
| ·k-NN分析 | 第56-57页 |
| ·识别结果的定量比较 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 全文总结与展望 | 第59-62页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录 作者在攻读硕士学位期间发表的学术论文 | 第68页 |
