| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-14页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题来源 | 第14页 |
| 1.2 研究背景 | 第14-16页 |
| 1.3 信息融合的研究历史与现状 | 第16-18页 |
| 1.4 论文的研究内容与结构安排 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 信息融合技术 | 第19-26页 |
| 2.1 信息融合的基本原理 | 第19-20页 |
| 2.2 信息融合的分类 | 第20-23页 |
| 2.2.1 数据层融合 | 第20-21页 |
| 2.2.2 特征层融合 | 第21-22页 |
| 2.2.3 决策层融合 | 第22-23页 |
| 2.3 信息融合的常用方法 | 第23-25页 |
| 2.3.1 贝叶斯估计 | 第23-24页 |
| 2.3.2 加权融合算法 | 第24页 |
| 2.3.3 模糊逻辑 | 第24页 |
| 2.3.4 聚类分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 中药材气/味信息的采集与处理 | 第26-36页 |
| 3.1 实验样品的准备 | 第26-27页 |
| 3.2 中药材嗅觉信息的采集 | 第27-30页 |
| 3.2.1 机器嗅觉系统的工作原理 | 第27页 |
| 3.2.2 PEN3电子鼻的基本结构 | 第27-29页 |
| 3.2.3 PEN3电子鼻相关参数设定 | 第29-30页 |
| 3.3 中药材味觉信息的采集 | 第30-33页 |
| 3.3.1 机器味觉系统的工作原理 | 第30-31页 |
| 3.3.2 α-ASTREE电子舌的基本结构 | 第31-33页 |
| 3.3.3 ASTREE电子舌相关参数的设定 | 第33页 |
| 3.4 气/味信息的特征提取 | 第33-35页 |
| 3.4.1 嗅觉信息的特征提取 | 第33-35页 |
| 3.4.2 味觉信息的特征提取 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于支持向量机的特征层融合 | 第36-58页 |
| 4.1 支持向量机的基本原理 | 第36-41页 |
| 4.1.1 最优分类面(Optimal Hyperplane) | 第36-39页 |
| 4.1.2 核函数（kernel fimction) | 第39-41页 |
| 4.2 支持向量机最优参数选择方法 | 第41-43页 |
| 4.2.1 网格搜索法（Grid Search Method) | 第41-42页 |
| 4.2.2 K-折交叉验证法（K-fold cross-validation) | 第42页 |
| 4.2.3 留一法（Leave-one-out，L00) | 第42-43页 |
| 4.3 支持向量机的多分类算法 | 第43-44页 |
| 4.3.1 “ 一对余”方法（One against All ) | 第43页 |
| 4.3.2 “ 一对一 ”方法（One against One ) | 第43-44页 |
| 4.4 支持向量机在中药材识别中的应用 | 第44-56页 |
| 4.4.1 基于高斯核函数的药材识别 | 第45-50页 |
| 4.4.2 基于多项式核函数的药材识别 | 第50-53页 |
| 4.4.3 基于sigmoid核函数的药材识别 | 第53-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 基于证据理论的决策层融合 | 第58-68页 |
| 5.1 证据理论的基本概念 | 第58-60页 |
| 5.2 D-S证据理论的合成规则 | 第60-61页 |
| 5.3 基于证据理论的决策方法 | 第61-62页 |
| 5.3.1 基于信任函数的决策 | 第62页 |
| 5.3.2 基于基本概率赋值的决策 | 第62页 |
| 5.3.3 基于规则的决策 | 第62页 |
| 5.4 基本概率分配的构造 | 第62-65页 |
| 5.5 证据理论在中药材识别中的应用 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 结论与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
