基于RVM的混合气体识别与浓度检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景和研究的目的及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 混合气体识别算法研究现状 | 第11-13页 |
| 1.2.2 混合气体定量检测算法研究现状 | 第13-14页 |
| 1.3 课题主要研究内容 | 第14-16页 |
| 第2章 实验平台设计与测试 | 第16-25页 |
| 2.1 传感器阵列的设计 | 第16-19页 |
| 2.2 实验平台搭建及数据采集 | 第19-21页 |
| 2.2.1 实验平台搭建 | 第19页 |
| 2.2.2 实验数据采集 | 第19-21页 |
| 2.3 传感器阵列性能分析 | 第21-24页 |
| 2.3.1 灵敏度 | 第22-23页 |
| 2.3.2 选择性 | 第23-24页 |
| 2.3.3 响应时间与恢复时间 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 混合气体定性识别算法研究 | 第25-53页 |
| 3.1 总体概述 | 第25-26页 |
| 3.2 数据预处理方法研究 | 第26-27页 |
| 3.3 特征提取方法研究 | 第27-34页 |
| 3.3.1 主成分分析的原理 | 第27-29页 |
| 3.3.2 核主成分分析的原理 | 第29-32页 |
| 3.3.3 独立成分分析的原理 | 第32-34页 |
| 3.4 基于M-RVM的混合气体识别算法研究 | 第34-46页 |
| 3.4.1 相关向量机概述 | 第34-35页 |
| 3.4.2 相关向量机分类基本原理 | 第35-39页 |
| 3.4.3 核函数的选择与优化 | 第39页 |
| 3.4.4 仿真验证及分析 | 第39-43页 |
| 3.4.5 M-RVM算法研究 | 第43-46页 |
| 3.5 基于KPCA和M-RVM的算法实现步骤 | 第46-47页 |
| 3.6 混合气体定性识别结果与分析 | 第47-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 混合气体浓度检测算法研究 | 第53-61页 |
| 4.1 多变量相关向量机原理 | 第53-55页 |
| 4.2 仿真验证结果及分析 | 第55-57页 |
| 4.3 混合气体浓度检测结果与分析 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
