| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 符号表 | 第11-13页 |
| 1 绪论 | 第13-23页 |
| ·人工嗅觉系统 | 第13-14页 |
| ·气体传感器 | 第13页 |
| ·信号预处理 | 第13-14页 |
| ·模式识别算法 | 第14页 |
| ·电子鼻伤口感染检测原理 | 第14-18页 |
| ·伤口愈合类型和阶段 | 第15页 |
| ·影响伤口愈合的因素 | 第15-16页 |
| ·伤口感染常见病原菌及挥发性产物 | 第16-18页 |
| ·电子鼻系统用于伤口感染检测的国内外研究现状 | 第18-20页 |
| ·课题意义及论文结构安排 | 第20-23页 |
| ·课题研究意义 | 第20页 |
| ·论文结构 | 第20-21页 |
| ·主要研究内容 | 第21-23页 |
| 2 伤口感染检测电子鼻系统构建及相关实验 | 第23-33页 |
| ·气体传感器选型与阵列构建 | 第23-26页 |
| ·伤口感染检测相关实验 | 第26-30页 |
| ·实验流程 | 第26-28页 |
| ·流速控制系统 | 第28-30页 |
| ·传感器阵列响应曲线分析 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 3 伤口感染检测电子鼻信号预处理及特征提取 | 第33-63页 |
| ·电子鼻信号预处理常见方法 | 第33-35页 |
| ·电子鼻信号特征提取常见方法 | 第35-44页 |
| ·基于原始响应曲线的伤口检测电子鼻特征提取 | 第35-37页 |
| ·基于曲线拟合的伤口检测电子鼻特征提取 | 第37-41页 |
| ·基于变换域的伤口检测电子鼻特征提取 | 第41-44页 |
| ·特征的箱线图表示 | 第44-53页 |
| ·主成分分析 | 第53-62页 |
| ·本章小结 | 第62-63页 |
| 4 基于支持向量机的伤口感染检测电子鼻模式分类 | 第63-89页 |
| ·统计学习理论基本思想 | 第63-66页 |
| ·经验风险最小化原则 | 第63-65页 |
| ·结构风险最小化原则 | 第65-66页 |
| ·支持向量机 | 第66-75页 |
| ·线性可分支持向量机 | 第67-69页 |
| ·线性软间隔支持向量机 | 第69-70页 |
| ·非线性支持向量机 | 第70-73页 |
| ·多类分类问题的解决方案[106] | 第73-75页 |
| ·基于 GA-SVM 的伤口感染检测电子鼻模式识别 | 第75-88页 |
| ·支持向量机参数对分类的影响 | 第75-77页 |
| ·基于网格搜索的 SVM 参数选择 | 第77-79页 |
| ·遗传算法基本流程[112-115] | 第79-81页 |
| ·遗传算法基本操作 | 第81-83页 |
| ·遗传算法理论基础 | 第83-84页 |
| ·遗传算法控制参数选择 | 第84-85页 |
| ·基于遗传算法的支持向量机参数选择 | 第85-88页 |
| ·本章小结 | 第88-89页 |
| 5 基于粒子群优化算法的分类器模型参数和传感器阵列优化 | 第89-103页 |
| ·粒子群优化算法的基本形式 | 第90-96页 |
| ·原始的粒子群优化算法 | 第90-91页 |
| ·标准的粒子群优化算法 | 第91-92页 |
| ·标准粒子群优化算法参数分析 | 第92-94页 |
| ·标准粒子群优化算法步骤 | 第94-96页 |
| ·基于 PSO 的支持向量机模型参数及传感器阵列优化 | 第96-102页 |
| ·支持向量机模型参数对分类结果的影响 | 第96-97页 |
| ·电子鼻传感器阵列常见的优化方法 | 第97-98页 |
| ·基于 PSO 的 SVM 模型参数和传感器阵列同步优化方法 | 第98-102页 |
| ·本章小结 | 第102-103页 |
| 6 基于独立分量分析的伤口感染检测电子鼻信号背景干扰消除 | 第103-125页 |
| ·ICA 的数学描述 | 第104-105页 |
| ·ICA 目标函数 | 第105-113页 |
| ·极大化非高斯性估计方法 | 第105-109页 |
| ·互信息极小化判据 | 第109-110页 |
| ·极大似然估计方法 | 第110-112页 |
| ·信息极大化估计方法 | 第112-113页 |
| ·ICA 优化算法 | 第113-119页 |
| ·梯度最速下降法 | 第113-114页 |
| ·牛顿法 | 第114页 |
| ·相对梯度法 | 第114-116页 |
| ·FastICA 算法 | 第116-119页 |
| ·基于独立分量分析的伤口检测电子鼻去除背景干扰算法 | 第119-124页 |
| ·带噪声的 ICA 模型 | 第121页 |
| ·基于参考向量的独立分量分析去除背景干扰算法 | 第121-124页 |
| ·本章小结 | 第124-125页 |
| 7 总结与展望 | 第125-129页 |
| ·本文的主要研究内容 | 第125-126页 |
| ·本文的创新之处 | 第126页 |
| ·伤口感染检测电子鼻研究展望 | 第126-129页 |
| 致谢 | 第129-131页 |
| 参考文献 | 第131-143页 |
| 附录 | 第143-148页 |
| A. 作者在攻读学位期间发表及录用的论文目录 | 第143-144页 |
| B. 作者在攻读学位期间参与的科研项目 | 第144页 |
| C. 本论文中的实验数据和程序清单等相关信息 | 第144-148页 |
