| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 人工嗅觉系统——电子鼻 | 第9-11页 |
| 1.2 电子鼻系统国内外研究现状 | 第11-14页 |
| 1.3 电子鼻干扰检测难点分析 | 第14页 |
| 1.4 本文研究内容及创新之处 | 第14-17页 |
| 2 空气质量监测电子鼻系统及实验平台 | 第17-21页 |
| 2.1 空气质量监测电子鼻系统结构 | 第17-18页 |
| 2.2 实验平台 | 第18-19页 |
| 2.3 实验数据采集 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 电子鼻涉及的相关算法介绍 | 第21-27页 |
| 3.1 信号预处理 | 第21-22页 |
| 3.2 模式识别算法 | 第22-26页 |
| 3.2.1 基于多元欧氏距离的样本子集选择算法 | 第22页 |
| 3.2.2 k-近邻法 | 第22页 |
| 3.2.3 局部保持投影 | 第22-23页 |
| 3.2.4 稀疏表示分类 | 第23-24页 |
| 3.2.5 支持向量机 | 第24-25页 |
| 3.2.6 超限学习机 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 基于超限学习自表达的干扰检测模型 | 第27-39页 |
| 4.1 主要思想 | 第27页 |
| 4.2 基于超限学习自表达的干扰检测模型 | 第27-31页 |
| 4.2.1 超限学习自表达过程 | 第28-30页 |
| 4.2.2 干扰检测过程 | 第30-31页 |
| 4.3 实验数据集描述 | 第31-33页 |
| 4.4 实验结果分析与比较 | 第33-38页 |
| 4.4.1 数据集1的干扰检测结果 | 第33-37页 |
| 4.4.2 数据集2的干扰检测结果 | 第37页 |
| 4.4.3 数据集3的干扰检测结果 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 5 基于一类局部表达的干扰检测模型 | 第39-49页 |
| 5.1 主要思想 | 第39页 |
| 5.2 基于一类局部表达的干扰检测模型 | 第39-41页 |
| 5.2.1 一类局部表达过程 | 第39-40页 |
| 5.2.2 干扰检测过程 | 第40-41页 |
| 5.3 模型求解过程 | 第41-44页 |
| 5.4 实验结果分析与比较 | 第44-48页 |
| 5.5 本章小结 | 第48-49页 |
| 6 基于局部表达系数分类的干扰检测模型 | 第49-53页 |
| 6.1 主要思想 | 第49-50页 |
| 6.2 基于局部表达系数支持向量分类的干扰检测模型 | 第50页 |
| 6.3 实验结果分析与比较 | 第50-51页 |
| 6.4 本章小结 | 第51-53页 |
| 7 基于特定目标类表达的干扰检测模型 | 第53-61页 |
| 7.1 主要思想 | 第53-54页 |
| 7.2 基于特定目标类表达的干扰检测模型 | 第54-55页 |
| 7.2.1 特定目标类表达过程 | 第54页 |
| 7.2.2 干扰检测过程 | 第54-55页 |
| 7.3 模型求解过程 | 第55-57页 |
| 7.4 实验结果分析与比较 | 第57-58页 |
| 7.5 本章小结 | 第58-61页 |
| 8 总结与展望 | 第61-63页 |
| 8.1 论文成果总结 | 第61-62页 |
| 8.2 存在的问题和工作展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71页 |
| A作者在攻读学位期间发表的论文目录 | 第71页 |
| B作者在攻读学位期间申请的专利 | 第71页 |
| C作者在攻读学位期间参与的竞赛 | 第71页 |