基于人体代谢挥发性化合物判断生命迹象的算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 本文研究目的和意义 | 第10-11页 |
| 1.2 气味识别算法汇总 | 第11-15页 |
| 1.2.1 气味识别机理 | 第11页 |
| 1.2.2 气味识别算法 | 第11-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.4 本文研究任务和主要工作 | 第16-17页 |
| 第2章 生命迹象识别方法研究 | 第17-21页 |
| 2.1 人体释放气味化合物分析 | 第17-18页 |
| 2.1.1 人体释放气味化合物的来源 | 第17页 |
| 2.1.2 人体释放气味化合物的差异 | 第17页 |
| 2.1.3 人体释放气味化合物的应用 | 第17-18页 |
| 2.2 气味传感器检测手段 | 第18-19页 |
| 2.2.1 气味检测传感器类型 | 第18页 |
| 2.2.2 非接触式探测及特异气体 | 第18-19页 |
| 2.3 气味识别方法研究 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 人体气味扩散模型 | 第21-36页 |
| 3.1 人体气味扩散理论介绍 | 第21-23页 |
| 3.1.1 气体扩散分析 | 第21-22页 |
| 3.1.2 扩散数学模型分析 | 第22-23页 |
| 3.2 气味扩散数学模型的建立 | 第23-29页 |
| 3.2.1 一维线性模型的建立 | 第24-26页 |
| 3.2.2 二、三维模型的建立 | 第26-29页 |
| 3.3 人体气味扩散模型的建立 | 第29-35页 |
| 3.3.1 计算流体软件简介 | 第29-30页 |
| 3.3.2 模型的建立及仿真 | 第30-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 气味化合物变化识别的常见算法分析 | 第36-45页 |
| 4.1 气味数据分析算法 | 第36-40页 |
| 4.1.1 插值算法 | 第36-38页 |
| 4.1.2 回归分析 | 第38-40页 |
| 4.2 常见生命迹象判断识别方法 | 第40-43页 |
| 4.2.1 比例分析法 | 第40-41页 |
| 4.2.2 模糊分析法 | 第41-42页 |
| 4.2.3 曲线拟合预测法 | 第42-43页 |
| 4.3 其他常见分类识别法 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于神经网络对气味识别的研究 | 第45-59页 |
| 5.1 神经网络概述 | 第45-46页 |
| 5.2 BP神经网络介绍 | 第46-53页 |
| 5.3 神经网络对人体气味的识别 | 第53-57页 |
| 5.3.1 神经网络识别数据构建 | 第53-54页 |
| 5.3.2 基于BP神经网络改进的识别验证 | 第54-57页 |
| 5.3.3 RBF与Elman神经网络 | 第57页 |
| 5.4 利用比对分析对未知状况的识别 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 基于HTM算法对人体气味识别研究 | 第59-66页 |
| 6.1 HTM算法介绍 | 第59-63页 |
| 6.1.1 HTM算法理论基础 | 第59-62页 |
| 6.1.2 HTM算法原理分析 | 第62-63页 |
| 6.2 基于HTM算法对类别的识别 | 第63-65页 |
| 6.3 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录A | 第72-75页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
