针对气体传感器阵列的集成分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 气体传感器的研究现状 | 第9-12页 |
| 1.3 课题的研究意义 | 第12页 |
| 1.4 论文组织架构 | 第12-13页 |
| 2 分类器介绍 | 第13-27页 |
| 2.1 分类器概述 | 第13-15页 |
| 2.2 基于统计学习理论的分类器算法 | 第15-20页 |
| 2.2.1 支持向量机 | 第15-18页 |
| 2.2.2 KNN分类算法 | 第18-20页 |
| 2.3 基于人工神经网络的分类器算法 | 第20-27页 |
| 2.3.1 BP神经网络 | 第21-24页 |
| 2.3.2 极限学习机 | 第24-27页 |
| 3 针对气体传感器阵列的分类器集成算法 | 第27-37页 |
| 3.1 预处理算法 | 第27-33页 |
| 3.1.1 正交信号校正算法 | 第27-28页 |
| 3.1.2 核主成分分析 | 第28-32页 |
| 3.1.3 核正交信号校正算法 | 第32-33页 |
| 3.2 AdaBoost算法 | 第33-35页 |
| 3.2.1 算法思想 | 第33-35页 |
| 3.2.2 算法设计 | 第35页 |
| 3.3 Bagging算法 | 第35-37页 |
| 3.3.1 算法思想 | 第35-36页 |
| 3.3.2 算法设计 | 第36-37页 |
| 4 算法实现与性能比较 | 第37-48页 |
| 4.1 实验数据 | 第37-40页 |
| 4.2 实验过程 | 第40-41页 |
| 4.3 实验结果 | 第41-47页 |
| 4.4 结果分析 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |
