| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| Table of Contents | 第8-12页 |
| List of Figures | 第12-13页 |
| List of Tables | 第13-14页 |
| Notations | 第14-15页 |
| 1 Introduction | 第15-19页 |
| ·Thesis motivation and problem statement | 第15-17页 |
| ·Thesis main contributions | 第17页 |
| ·Thesis outline | 第17-19页 |
| 2 Background of electronic nose system | 第19-37页 |
| ·Introduction | 第19页 |
| ·Biological olfaction system: the sense of smell | 第19-21页 |
| ·History of electronic nose system | 第21页 |
| ·Electronic nose concept: A brief description | 第21-22页 |
| ·Electronic nose architecture | 第22-30页 |
| ·Sampling and delivery systems | 第22-24页 |
| ·Sensor array | 第24-26页 |
| ·Signal preprocessing | 第26-28页 |
| ·Feature extraction | 第28-29页 |
| ·Pattern recognition | 第29-30页 |
| ·Electronic nose applications | 第30-32页 |
| ·Food quality monitoring | 第30页 |
| ·Medical diagnosis | 第30-31页 |
| ·Environmental monitoring | 第31-32页 |
| ·Commercial electronic noses | 第32-33页 |
| ·Current developments and problems in electronic nose systems | 第33-36页 |
| ·Chapter summary | 第36-37页 |
| 3 Development and characterization of an E-nose system for indoor air quality monitoring ···23 | 第37-43页 |
| ·Introduction | 第37页 |
| ·Sensor array selection | 第37-39页 |
| ·Data acquisition system | 第39页 |
| ·Alarm and display unit | 第39-40页 |
| ·Pattern recognition unit | 第40页 |
| ·Initial data collection experiments | 第40-42页 |
| ·Experimental setup and procedure | 第40-42页 |
| ·Chapter summary | 第42-43页 |
| 4 Electronic nose data analysis and pattern recognition | 第43-87页 |
| ·Introduction | 第43页 |
| ·Signal preprocessing and feature extraction | 第43-46页 |
| ·Filtering | 第43-44页 |
| ·Normalization and feature extraction | 第44-45页 |
| ·Orthogonal signal correction | 第45-46页 |
| ·Artificial neural networks | 第46-59页 |
| ·Feed-forward neural network | 第48-50页 |
| ·Training MLP networks with back-propagation algorithm | 第50-51页 |
| ·Genetic algorithm based initial weights optimization | 第51-59页 |
| ·Support vector machine | 第59-75页 |
| ·Statistical learning theory | 第59-63页 |
| ·Support vector machines principle | 第63-73页 |
| ·Least squares support vector machines | 第73-75页 |
| ·Projection-based Regression Methods | 第75-82页 |
| ·Introduction | 第75-77页 |
| ·Principal Component Analysis | 第77-78页 |
| ·Principal Components Regression | 第78-79页 |
| ·Partial Least Squares | 第79-82页 |
| ·Ensemble Approach | 第82-85页 |
| ·Introduction | 第82页 |
| ·Bias and Variance Dilemma | 第82-85页 |
| ·Chapter summary | 第85-87页 |
| 5 Ensemble learning | 第87-107页 |
| ·Introduction | 第87-90页 |
| ·Terminology | 第88-90页 |
| ·Diversity in ensemble learning | 第90-92页 |
| ·Diversity as source of success in ensemble methods | 第90-92页 |
| ·Ensemble creation methods | 第92-101页 |
| ·Methods based on modification of the learning set | 第92-96页 |
| ·Methods based on the modification of the training algorithm | 第96-100页 |
| ·Methods based on selection | 第100-101页 |
| ·Ensemble combination methods | 第101-104页 |
| ·Linear methods | 第101-103页 |
| ·Nonlinear methods | 第103-104页 |
| ·Mixture of Experts | 第104-105页 |
| ·Chapter summary | 第105-107页 |
| 6 Neural network ensemble for gas concentration estimation using the developed electronic nose | 第107-125页 |
| ·Introduction | 第107-108页 |
| ·First empirical study | 第108-116页 |
| ·Multi-objective genetic algorithm based selective ensemble | 第109-116页 |
| ·Second empirical study | 第116-119页 |
| ·Method | 第116-119页 |
| ·Third empirical study | 第119-123页 |
| ·Methodology | 第119-123页 |
| ·Chapter Summary | 第123-125页 |
| 7 Results and discussion | 第125-141页 |
| ·Introduction | 第125页 |
| ·A comparison between LS-SVM and MLP neural network | 第125-127页 |
| ·Performance evaluation of OSC preprocessing | 第127-129页 |
| ·Performance evaluation of ensemble method | 第129-140页 |
| ·Results from the first empirical study | 第129-133页 |
| ·Results from the second empirical study | 第133-136页 |
| ·Results from the third empirical study | 第136-140页 |
| ·Chapter Summary | 第140-141页 |
| 8 Conclusions and future work | 第141-145页 |
| ·Conclusions | 第141-142页 |
| ·Future work | 第142-145页 |
| Acknowledgement | 第145-147页 |
| References | 第147-163页 |
| Appendices | 第163-166页 |
| A. List of publications | 第163-164页 |
| B. Participation in related research projects | 第164页 |
| C. Program (MATLAB) codes and experimental data used in this thesis work | 第164-166页 |
