基于主成分分析和人工神经网络的酒类辨识
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 前言 | 第7-12页 |
| ·研究背景 | 第7-9页 |
| ·研究现状 | 第9-11页 |
| ·论文主要工作 | 第11-12页 |
| 2 气体实验装置 | 第12-20页 |
| ·气体传感器简介 | 第12-16页 |
| ·气体传感器概述 | 第12-13页 |
| ·气体传感器分类 | 第13-16页 |
| ·实验硬件部分 | 第16-19页 |
| ·测试容器 | 第17页 |
| ·传感器阵列电路板 | 第17-18页 |
| ·模/数转换器 | 第18-19页 |
| ·电源 | 第19页 |
| ·计算机 | 第19页 |
| ·软件部分 | 第19-20页 |
| 3 模式识别方法 | 第20-28页 |
| ·主成分分析 | 第20页 |
| ·人工神经网络 | 第20-28页 |
| ·前馈神经网络 | 第21-25页 |
| ·RBF 神经网络 | 第25-28页 |
| 4 不同种类酒的实验数据分析 | 第28-39页 |
| ·实验样本采集 | 第28页 |
| ·数据预处理算法及数据样本 | 第28-31页 |
| ·主成分分析的结果 | 第31-32页 |
| ·人工神经网络的辨识 | 第32-39页 |
| ·BP 网络设计原则 | 第32-34页 |
| ·BP 网络辨识结果 | 第34-36页 |
| ·RBF 网络辨识结果 | 第36页 |
| ·主成分分析降低数据维数后结果 | 第36-39页 |
| 5 白酒的辨识实验数据分析 | 第39-46页 |
| ·主成分分析的结果 | 第41-42页 |
| ·人工神经网络的辨识 | 第42-46页 |
| ·BP 网络的辨识结果 | 第42-43页 |
| ·RBF 网络的辨识结果 | 第43页 |
| ·主成分分析降低数据维数后结果 | 第43-46页 |
| 6 总结 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 作者在攻读硕士期间所发表的论文 | 第51页 |
