基于遗传神经网络的电子鼻系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-26页 |
| ·课题研究的意义 | 第12页 |
| ·国内外研究现状 | 第12-23页 |
| ·电子鼻产生的背景 | 第12-14页 |
| ·电子鼻研究现状 | 第14-16页 |
| ·电子鼻中常用的模式识别方法 | 第16-23页 |
| ·课题研究内容和拟解决的问题 | 第23-24页 |
| ·本文结构安排 | 第24-26页 |
| 2 电子鼻测试系统 | 第26-47页 |
| ·电子鼻结构原理 | 第26-27页 |
| ·生物嗅觉系统 | 第26页 |
| ·电子鼻概述 | 第26-27页 |
| ·电子鼻的工作流程 | 第27页 |
| ·电子鼻测试系统构成 | 第27-28页 |
| ·气体传感器阵列构成 | 第28-35页 |
| ·气体传感器的特性 | 第28-30页 |
| ·气体传感器阵列的构成 | 第30-35页 |
| ·配气系统 | 第35-38页 |
| ·静态配气法 | 第35-36页 |
| ·气体收集装置 | 第36-37页 |
| ·测试腔 | 第37-38页 |
| ·气体检测系统硬件 | 第38-42页 |
| ·传感器测试和加热电路 | 第39-40页 |
| ·数据采集系统 | 第40-42页 |
| ·气体检测系统软件 | 第42-45页 |
| ·实验数据获取 | 第45-46页 |
| ·小结 | 第46-47页 |
| 3 基于人工神经网络的气体识别 | 第47-67页 |
| ·人工神经网络基本原理 | 第47-52页 |
| ·生物神经系统 | 第47-49页 |
| ·人工神经元模型 | 第49-50页 |
| ·神经网络的学习 | 第50-52页 |
| ·前向型神经网络与BP 算法 | 第52-58页 |
| ·前向型神经网络 | 第52-53页 |
| ·BP 神经网络 | 第53-56页 |
| ·BP 算法的实现步骤 | 第56-58页 |
| ·BP 网络的结构设计 | 第58-59页 |
| ·输入和输出层的设计 | 第58页 |
| ·隐层的设计 | 第58-59页 |
| ·BP 算法的改进 | 第59-61页 |
| ·BP 神经网络在气体检测中的应用 | 第61-66页 |
| ·数据获取 | 第61页 |
| ·单一气体定性分析 | 第61-64页 |
| ·定量分析 | 第64-66页 |
| ·小结 | 第66-67页 |
| 4 遗传算法优化神经网络 | 第67-95页 |
| ·遗传算法的工作参数 | 第67-75页 |
| ·参数的编码 | 第67-68页 |
| ·适应度函数选择 | 第68-70页 |
| ·选择算子 | 第70-72页 |
| ·交叉算子 | 第72-73页 |
| ·变异算子 | 第73-75页 |
| ·遗传算法的运行流程 | 第75-77页 |
| ·遗传算法的理论基础 | 第77-85页 |
| ·模式定理和积木块假设 | 第77-82页 |
| ·处理模式的隐含并行性 | 第82-83页 |
| ·遗传算法收敛性分析 | 第83-85页 |
| ·遗传算法与神经网络的结合 | 第85-89页 |
| ·遗传算法与神经网络的异同 | 第85-86页 |
| ·遗传算法优化神经网络 | 第86-87页 |
| ·遗传算法优化BP 神经网络的实现步骤 | 第87-89页 |
| ·实验验证分析 | 第89-94页 |
| ·仿真模拟实验分析 | 第89-91页 |
| ·气体检测实验分析 | 第91-94页 |
| ·小结 | 第94-95页 |
| 5 改进遗传算法及性能分析 | 第95-116页 |
| ·遗传算法的工作特点分析 | 第95-96页 |
| ·种群多样性评价指标 | 第96-100页 |
| ·三种定量评价指标的定义 | 第96-99页 |
| ·三种指标性能的评价 | 第99-100页 |
| ·遗传算法参数对性能的影响 | 第100-105页 |
| ·编码、适应度函数和种群 | 第101页 |
| ·选择操作 | 第101-102页 |
| ·交叉操作 | 第102-103页 |
| ·变异操作 | 第103-105页 |
| ·影响遗传算法性能的主要因素 | 第105-106页 |
| ·改进变异算子 | 第106-110页 |
| ·传统变异算子的特点 | 第106-107页 |
| ·采用自适应的变异率 | 第107-108页 |
| ·改进自适应变异算子 | 第108-110页 |
| ·实验数据及分析 | 第110-115页 |
| ·仿真模拟实验分析 | 第110-112页 |
| ·混合气体检测实验分析 | 第112-115页 |
| ·小结 | 第115-116页 |
| 6 结论 | 第116-118页 |
| ·本文主要研究成果 | 第116-117页 |
| ·下一步工作展望 | 第117-118页 |
| 致谢 | 第118-119页 |
| 参考文献 | 第119-130页 |
| 附录1 攻读博士学位期间发表的论文目录 | 第130页 |
