鸡精风味识别及相关模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 鸡精发展状况 | 第10页 |
| 1.1.2 鸡精鉴定方法 | 第10-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 研究现状 | 第12-15页 |
| 1.3.1 国外研究发展 | 第12-13页 |
| 1.3.2 国内研究发展 | 第13-15页 |
| 1.4 章节安排 | 第15-16页 |
| 第2章 风味评价概述 | 第16-25页 |
| 2.1 人工感官评价 | 第16-17页 |
| 2.2 电子感官评价 | 第17-22页 |
| 2.2.1 电子鼻感官评价 | 第18-20页 |
| 2.2.2 电子舌感官评价 | 第20-22页 |
| 2.3 感官数据处理方法 | 第22-25页 |
| 2.3.1 多元统计分类 | 第22-23页 |
| 2.3.2 网络分类 | 第23-25页 |
| 第3章 基于多元统计方法的鸡精分类模型 | 第25-36页 |
| 3.1 多元统计类型 | 第25页 |
| 3.2 PCA分类 | 第25-26页 |
| 3.3 CA分类 | 第26页 |
| 3.4 数据采集 | 第26-32页 |
| 3.5 实验结果分析 | 第32-36页 |
| 第4章 基于PCA-BP算法的鸡精分类模型 | 第36-49页 |
| 4.1 人工神经网络 | 第36-37页 |
| 4.1.1 神经网络概述 | 第36页 |
| 4.1.2 BP神经网络特点 | 第36-37页 |
| 4.2 标准BP算法原理 | 第37-42页 |
| 4.2.1 神经元模型 | 第37-39页 |
| 4.2.2 最速下降法 | 第39页 |
| 4.2.3 网络学习过程 | 第39-42页 |
| 4.3 PCA结合改进BP算法的分类模型 | 第42-45页 |
| 4.4 数据采集 | 第45-46页 |
| 4.5 实验结果分析 | 第46-49页 |
| 第5章 鸡精人工感官与电子舌感官的相关模型 | 第49-54页 |
| 5.1 相关模型类型 | 第49页 |
| 5.2 改进的BP算法的相关模型 | 第49-50页 |
| 5.3 数据采集 | 第50-51页 |
| 5.4 实验结果分析 | 第51-54页 |
| 第6章 结论及展望 | 第54-55页 |
| 6.1 本文研究所得结论 | 第54页 |
| 6.2 本文研究不足不足及展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 研究生期间的科研项目和成果 | 第60页 |
