基于电子舌和模式识别技术的食品药品分析应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 电子舌简介 | 第10-14页 |
| 1.2.1 电子舌基本原理 | 第11页 |
| 1.2.2 国内外研究现状 | 第11-14页 |
| 1.3 模式识别技术 | 第14-16页 |
| 1.3.1 模式识别简介 | 第14页 |
| 1.3.2 模式识别在电子舌中的应用 | 第14-16页 |
| 1.4 本文创新点 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 伏安电子舌系统 | 第17-23页 |
| 2.1 传感器阵列 | 第18-19页 |
| 2.1.1 工作原理 | 第18页 |
| 2.1.2 传感器阵列组成 | 第18-19页 |
| 2.2 信号调理模块 | 第19-20页 |
| 2.3 数据采集卡 | 第20页 |
| 2.4 上位机软件 | 第20-22页 |
| 2.4.1 系统控制面板 | 第21页 |
| 2.4.2 数据分析模块 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 模式识别方法 | 第23-36页 |
| 3.1 特征提取方法 | 第23-27页 |
| 3.1.1 特征点提取法 | 第23页 |
| 3.1.2 主成分分析法 | 第23-25页 |
| 3.1.3 离散小波变换法 | 第25-27页 |
| 3.2 数据分析方法 | 第27-35页 |
| 3.2.1 主成分分析 | 第27页 |
| 3.2.2 线性判别分析 | 第27-28页 |
| 3.2.3 聚类分析 | 第28页 |
| 3.2.4 BP神经网络 | 第28-30页 |
| 3.2.5 支持向量机 | 第30-31页 |
| 3.2.6 最小二乘支持向量机 | 第31-32页 |
| 3.2.7 随机森林 | 第32-34页 |
| 3.2.8 极限学习机 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 电子舌在中成药品辨识中的应用 | 第36-44页 |
| 4.1 试验材料与方法 | 第36-37页 |
| 4.2 电子舌响应信号 | 第37页 |
| 4.3 特征提取结果 | 第37-39页 |
| 4.3.1 特征点提取法结果 | 第37-38页 |
| 4.3.2 离散小波变换特征提取结果 | 第38-39页 |
| 4.4 结果与讨论 | 第39-43页 |
| 4.4.1 主成分分析结果 | 第39-40页 |
| 4.4.2 聚类分析结果 | 第40-41页 |
| 4.4.3 BP神经网络结果 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 电子舌在鲜榨橙汁分析中的应用 | 第44-52页 |
| 5.1 试验材料与方法 | 第44-45页 |
| 5.2 电子舌响应信号 | 第45页 |
| 5.3 特征提取结果 | 第45-47页 |
| 5.3.1 主成分分析特征提取结果 | 第45页 |
| 5.3.2 离散小波变换特征提取结果 | 第45-47页 |
| 5.4 结果与讨论 | 第47-51页 |
| 5.4.1 线性判别分析结果 | 第47-48页 |
| 5.4.2 最小二乘支持向量机结果 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 电子舌在不同年限陈皮分类中的应用 | 第52-61页 |
| 6.1 试验材料与方法 | 第52页 |
| 6.2 电子舌响应信号 | 第52-53页 |
| 6.3 离散小波变换特征提取结果 | 第53-54页 |
| 6.4 结果与讨论 | 第54-59页 |
| 6.4.1 主成分分析结果 | 第54页 |
| 6.4.2 线性判别分析结果 | 第54-55页 |
| 6.4.3 聚类分析结果 | 第55-56页 |
| 6.4.4 BP神经网络结果 | 第56页 |
| 6.4.5 随机森林结果 | 第56-57页 |
| 6.4.6 支持向量机结果 | 第57-58页 |
| 6.4.7 极限学习机结果 | 第58-59页 |
| 6.5 结果分析与总结 | 第59-60页 |
| 6.6 本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 总结 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士期间公开发表论文及获奖情况 | 第68-69页 |
| 致谢 | 第69页 |
