| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究的背景 | 第11-12页 |
| 1.2.1 研究的意义 | 第11-12页 |
| 1.3 POPs监测发展现状 | 第12-14页 |
| 1.3.1 生物学检测 | 第12-13页 |
| 1.3.2 免疫学检测 | 第13页 |
| 1.3.3 色谱检测法 | 第13-14页 |
| 1.4 信号的模式识别方法 | 第14-17页 |
| 1.4.1 常用的信号特征提取方法 | 第14-15页 |
| 1.4.2 几种机器学习方法 | 第15-17页 |
| 1.5 本文的主要研究内容 | 第17-18页 |
| 第2章 持久性有机污染物检测系统的设计与实现 | 第18-34页 |
| 2.1 仪器的总体设计与实现 | 第18-21页 |
| 2.2 仪器中的电路系统 | 第21-26页 |
| 2.2.0 传感器数据采集电路模块 | 第21-22页 |
| 2.2.1 温度控制电路模块 | 第22-23页 |
| 2.2.2 温度控制中的PID参数调整 | 第23-24页 |
| 2.2.3 低噪声弱电流放大器DLPCA-200 | 第24页 |
| 2.2.4 UA306型电压采集器 | 第24-25页 |
| 2.2.5 吉时利皮安表6485 | 第25-26页 |
| 2.3 采用的传感器 | 第26-28页 |
| 2.4 色谱分离 | 第28-29页 |
| 2.4.1 色谱分离技术原理 | 第28-29页 |
| 2.5 实验条件优化 | 第29-31页 |
| 2.5.1 确定色谱温度 | 第29-30页 |
| 2.5.2 确定载气气压 | 第30-31页 |
| 2.6 仪器装置操作过程及实验总结 | 第31-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第3章 数据特征提取与识别算法 | 第34-52页 |
| 3.1 归一化处理 | 第34-35页 |
| 3.2 数据的特征提取算法 | 第35-39页 |
| 3.2.1 数据的统计学特征提取 | 第35-36页 |
| 3.2.2 主成分分析 | 第36-38页 |
| 3.2.3 线性判别分析 | 第38-39页 |
| 3.3 数据的识别算法 | 第39-51页 |
| 3.3.1 支持向量机 | 第40-49页 |
| 3.3.1.1 SVM的基本思想 | 第41页 |
| 3.3.1.2 SVM的分类原理 | 第41-43页 |
| 3.3.1.3 线性分类数学原理 | 第43-44页 |
| 3.3.1.4 近似线性分类数学原理 | 第44页 |
| 3.3.1.5 非线性分类数学原理 | 第44-45页 |
| 3.3.1.6 核函数 | 第45-46页 |
| 3.3.1.7 支持向量机多分类问题 | 第46-48页 |
| 3.3.1.8 LibSVM软件 | 第48-49页 |
| 3.3.2 径向基函数网络 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 数据特征提取和分类识别算法在POPs识别上的应用 | 第52-58页 |
| 4.1 毒杀芬检测识别的基本操作步骤 | 第52页 |
| 4.2 信号的归一化处理 | 第52-54页 |
| 4.3 基于PCA的特征提取 | 第54-55页 |
| 4.4 基于LDA的特征提取 | 第55-57页 |
| 4.5 分类识别效果 | 第57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-64页 |
| 在读期间发表的学术论文与取得的研究成果 | 第64页 |