仿生嗅觉系统信息获取与处理的方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| TABLE OF CONTENTS | 第10-12页 |
| 第一章 绪论 | 第12-15页 |
| ·课题的来源 | 第12页 |
| ·课题的研究意义 | 第12-13页 |
| ·国内外研究现状与应用前景 | 第13-14页 |
| ·论文的主要研究工作内容和全文的体系结构 | 第14-15页 |
| 第二章 仿生嗅觉系统的信息获取 | 第15-21页 |
| ·样品取样 | 第15-16页 |
| ·气敏传感器 | 第16-19页 |
| ·气敏传感器的分类与主要特性 | 第16-17页 |
| ·锡氧化物(SnO_2)传感器 | 第17-19页 |
| ·传感器阵列的设计 | 第19页 |
| ·传感器阵列对混合气体的响应描述 | 第19-21页 |
| 第三章 仿生嗅觉信息处理 | 第21-29页 |
| ·仿生嗅觉系统数据的预处理方法 | 第21-22页 |
| ·多变量模式分析方法 | 第22-29页 |
| ·统计模式分析 | 第24-27页 |
| ·智能模式分析 | 第27-29页 |
| 第四章 人工神经网络和支持向量机 | 第29-42页 |
| ·人工神经网络(ANN) | 第29-32页 |
| ·人工神经网络的种类 | 第29页 |
| ·BP网络 | 第29-32页 |
| ·支持向量机 | 第32-42页 |
| ·支持向量机的发展历程与研究现状 | 第32-33页 |
| ·支持向量机(SVM)的基本思想与两个重要概念 | 第33-35页 |
| ·支持向量机基本原理 | 第35-40页 |
| ·支持向量机与神经网络的比较 | 第40-42页 |
| 第五章 基于仿生嗅觉的鱼的新鲜度估计 | 第42-60页 |
| ·鱼类的识别 | 第42-48页 |
| ·实验数据 | 第42-45页 |
| ·基于支持向量机的数据处理 | 第45-48页 |
| ·鱼的新鲜度估计 | 第48-60页 |
| ·实验数据 | 第48-57页 |
| ·神经网络的 Matlab实现 | 第57-58页 |
| ·实验结果 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的论文及科研获奖 | 第66-68页 |
| 致谢 | 第68页 |
