基于频谱的快速气体识别研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10页 |
| 1.2 电子鼻概述 | 第10-13页 |
| 1.2.1 国内外研究现状及其发展 | 第12-13页 |
| 1.2.2 亟待解决的问题 | 第13页 |
| 1.3 论文的主要内容及安排 | 第13-15页 |
| 第2章 气体识别的传统方法 | 第15-33页 |
| 2.1 半导体气敏传感器 | 第15-16页 |
| 2.2 特征提取 | 第16-19页 |
| 2.3 决策树算法 | 第19-23页 |
| 2.3.1 最优属性的选择 | 第20-22页 |
| 2.3.2 基于二元决策树的气体分类器 | 第22-23页 |
| 2.4 K近邻算法 | 第23-24页 |
| 2.5 支持向量机 | 第24-32页 |
| 2.5.1 硬间隔支持向量机 | 第24-27页 |
| 2.5.2 软间隔支持向量机 | 第27-28页 |
| 2.5.3 核函数 | 第28-30页 |
| 2.5.4 多分类SVM | 第30-32页 |
| 2.5.5 SVM在气体识别中的应用 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于遗传算法优化的SVM | 第33-42页 |
| 3.1 遗传算法概述 | 第33-38页 |
| 3.1.1 编码与解码 | 第34页 |
| 3.1.2 交叉与变异 | 第34-35页 |
| 3.1.3 选择操作 | 第35-37页 |
| 3.1.4 遗传算法性能测试 | 第37-38页 |
| 3.2 实验设计及结果分析 | 第38-41页 |
| 3.2.1 算法架构 | 第38-39页 |
| 3.2.2 结果分析 | 第39-41页 |
| 3.3 本章总结 | 第41-42页 |
| 第4章 快速气体识别算法的研究 | 第42-51页 |
| 4.1 传统瞬态特征 | 第42页 |
| 4.2 频谱特征 | 第42-43页 |
| 4.3 LDA降维 | 第43-44页 |
| 4.4 验证频谱特征 | 第44-46页 |
| 4.5 实验过程 | 第46-50页 |
| 4.5.1 实验数据 | 第46页 |
| 4.5.2 时间窗口测试 | 第46-47页 |
| 4.5.3 与EMA特征进行比较 | 第47-48页 |
| 4.5.4 漂移测试 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 结论 | 第51-53页 |
| 5.1 本文的主要贡献 | 第51页 |
| 5.2 下一步工作展望 | 第51-53页 |
| 参考 文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间的研究成果 | 第59页 |
