致谢 | 第5-6页 |
摘要 | 第6-8页 |
Abstract | 第8-11页 |
第一章 绪论 | 第15-28页 |
1.1 人工嗅觉系统的研究背景 | 第15-17页 |
1.1.1 人工嗅觉系统的基本原理 | 第15页 |
1.1.2 人工嗅觉系统的技术特点 | 第15-17页 |
1.2 人工嗅觉系统的发展现状 | 第17-23页 |
1.2.1 人工嗅觉系统的信息挖掘技术研究现状 | 第17-22页 |
1.2.2 人工嗅觉系统的应用现状 | 第22-23页 |
1.3 基于机器学习的预测的可靠性研究现状 | 第23-25页 |
1.4 人工嗅觉系统与其他检测技术的数据融合技术研究现状 | 第25-27页 |
1.5 本文主要研究内容与文章结构 | 第27-28页 |
第二章 人工嗅觉系统的设计 | 第28-43页 |
2.1 引言 | 第28-29页 |
2.2 基于金属氧化物气敏传感器的人工嗅觉系统的硬件设计 | 第29-37页 |
2.2.1 传感器阵列的设计 | 第29-31页 |
2.2.2 可编程增益放大单元 | 第31-37页 |
2.3 人工嗅觉系统的软件设计 | 第37-41页 |
2.3.1 软件需求分析 | 第38页 |
2.3.2 系统功能设计 | 第38页 |
2.3.3 开发及运行环境 | 第38页 |
2.3.4 系统模块及功能结构 | 第38-39页 |
2.3.5 系统流程与用户界面 | 第39-41页 |
2.4 样本测试流程 | 第41-42页 |
2.5 本章小结 | 第42-43页 |
第三章 人工嗅觉系统预测的可靠性研究 | 第43-88页 |
3.1 引言 | 第43页 |
3.2 一致性预测和韦恩预测 | 第43-50页 |
3.2.1 问题和假设 | 第43-44页 |
3.2.2 一致性预测 | 第44-48页 |
3.2.3 韦恩预测 | 第48-50页 |
3.3 实验数据采集 | 第50-57页 |
3.3.1 人参样本的制备 | 第50-52页 |
3.3.2 精油样本的制备 | 第52-53页 |
3.3.3 肺癌样本的制备 | 第53-57页 |
3.4 数据预处理和特征提取 | 第57-60页 |
3.5 基于一致性预测的人工嗅觉系统预测的可靠性研究 | 第60-73页 |
3.5.1 奇异值度量 | 第61-63页 |
3.5.2 离线模式下一致性预测器对人参、精油样本的预测结果 | 第63-67页 |
3.5.3 在线模式下一致性预测器对人参、精油样本的预测结果 | 第67-73页 |
3.6 基于韦恩预测的人工嗅觉系统预测的可靠性研究 | 第73-87页 |
3.6.1 韦恩分类器 | 第74-75页 |
3.6.2 常规概率预测方法与多种韦恩预测器的构造 | 第75-77页 |
3.6.3 离线模式下韦恩预测对人参、肺癌样本的预测结果 | 第77-83页 |
3.6.4 在线模式下韦恩预测器对人参、肺癌样本的预测结果 | 第83-87页 |
3.7 本章小结 | 第87-88页 |
第四章 人工嗅觉系统与近红外光谱的数据融合技术研究 | 第88-101页 |
4.1 引言 | 第88页 |
4.2 实验数据采集 | 第88-90页 |
4.3 数据处理方法 | 第90-94页 |
4.3.1 人工嗅觉系统的数据预处理和特征提取 | 第90页 |
4.3.2 近红外光谱的数据处理和特征提取 | 第90-91页 |
4.3.3 分类方法 | 第91-92页 |
4.3.4 特征选择 | 第92页 |
4.3.5 人工嗅觉系统与近红外光谱的数据融合方法 | 第92-94页 |
4.4 结果与讨论 | 第94-100页 |
4.4.1 人工嗅觉系统的分类结果 | 第94-95页 |
4.4.2 近红外光谱的分类结果 | 第95页 |
4.4.3 人工嗅觉系统和近红外光谱分类性能的比较 | 第95-96页 |
4.4.4 人工嗅觉系统与近红外光谱的特征级融合的分类结果 | 第96-99页 |
4.4.5 人工嗅觉系统与近红外光谱的决策级融合的分类结果 | 第99-100页 |
4.5 本章小结 | 第100-101页 |
第五章 总结与展望 | 第101-104页 |
5.1 总结 | 第101-102页 |
5.2 展望 | 第102-104页 |
附录A 一致性预测的其他预测结果 | 第104-109页 |
附录B 韦恩预测器的其他预测结果 | 第109-118页 |
参考文献 | 第118-125页 |
攻读学位期间发表的论文 | 第125页 |