| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题来源 | 第12页 |
| 1.2 课题的研究背景与意义 | 第12-13页 |
| 1.3 国内外研究现状及分析 | 第13-15页 |
| 1.4 论文主要内容及组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 气味数据库 | 第17-30页 |
| 2.1 实验设备介绍 | 第17-19页 |
| 2.1.1 PEN3电子鼻的构造 | 第17-18页 |
| 2.1.2 PEN3电子鼻的工作原理 | 第18-19页 |
| 2.2 数据采集 | 第19-22页 |
| 2.3 构建气味数据库 | 第22-29页 |
| 2.3.1 读取数据文件内容 | 第23-24页 |
| 2.3.2 品种标签 | 第24-25页 |
| 2.3.3 随机读取数据文件 | 第25-27页 |
| 2.3.4 数据集布局 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于PCA+LDA的特征提取与分类识别 | 第30-43页 |
| 3.1 主成分分析(PCA) | 第30-31页 |
| 3.2 线性判别分析(LDA) | 第31-32页 |
| 3.3 PCA+LDA算法理论 | 第32-33页 |
| 3.4 PCA+LDA的特征提取与分类识别结果 | 第33-41页 |
| 3.4.1 五种水果的PCA+LDA分类识别结果(50th) | 第34-35页 |
| 3.4.2 五种水果的PCA+LDA分类识别结果(mean+var) | 第35-37页 |
| 3.4.3 十种水果的PCA+LDA分类识别结果(50th) | 第37-39页 |
| 3.4.4 十种水果的PCA+LDA分类识别结果(mean+var) | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于LTSA+LDA的特征提取与分类识别 | 第43-50页 |
| 4.1 局部切空间排列(LTSA) | 第43-44页 |
| 4.2 LTSA+LDA算法理论 | 第44-45页 |
| 4.3 LTSA+LDA的特征提取与分类识别结果 | 第45-49页 |
| 4.3.1 五种水果的LTSA+LDA分类识别结果 | 第45-47页 |
| 4.3.2 十种水果的LTSA+LDA分类识别结果 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于CNN的特征提取与分类识别 | 第50-61页 |
| 5.1 卷积神经网络(CNN) | 第50-54页 |
| 5.2 Python开发环境 | 第54页 |
| 5.3 卷积神经网络的特征提取与分类识别结果 | 第54-60页 |
| 5.3.1 CNN的功能模块介绍 | 第54-57页 |
| 5.3.2 五种水果的CNN分类识别结果 | 第57-58页 |
| 5.3.3 十种水果的CNN分类识别结果 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 三种算法的分类识别结果对比分析 | 第61-64页 |
| 6.1 对比分析 | 第61-63页 |
| 6.2 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72-73页 |
| 附录1 | 第73-77页 |
