智舌中智能模式识别单元的实现与应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 前言 | 第10-24页 |
| ·电子舌简介 | 第10-14页 |
| ·电子舌定义及原理 | 第10-13页 |
| ·国内外电子舌技术研究进展 | 第13-14页 |
| ·模式识别技术 | 第14-20页 |
| ·模式识别回顾 | 第14-15页 |
| ·模式识别基本概念 | 第15-16页 |
| ·模式识别分类 | 第16-20页 |
| ·模式识别在电子舌中的应用现状 | 第20-23页 |
| ·研究意义与内容 | 第23-24页 |
| ·研究目的与意义 | 第23页 |
| ·主要工作内容 | 第23-24页 |
| 第2章 线性模式识别(1)—主成分分析 | 第24-41页 |
| ·概述 | 第24-26页 |
| ·基本概念及意义 | 第24-25页 |
| ·基本理论及相关性质 | 第25-26页 |
| ·主成分分析算法及软件实现 | 第26-29页 |
| ·主成分分析算法 | 第26-28页 |
| ·主成分分析算法实现 | 第28-29页 |
| ·实验部分 | 第29-33页 |
| ·实验材料 | 第29-31页 |
| ·实验仪器 | 第31-32页 |
| ·实验方法 | 第32页 |
| ·数据处理方法 | 第32-33页 |
| ·结果与讨论 | 第33-40页 |
| ·PCA在牛奶区分中的应用 | 第33-34页 |
| ·PCA在茶饮料区分中的应用 | 第34-35页 |
| ·PCA在白酒区分中的应用 | 第35-40页 |
| ·小结 | 第40-41页 |
| 第三章 线性模式识别(2)—判别函数分析 | 第41-58页 |
| ·概述 | 第41-46页 |
| ·距离判别分析 | 第41-42页 |
| ·Bayes判别分析 | 第42页 |
| ·Fisher判别分析 | 第42-44页 |
| ·逐步判别分析 | 第44-46页 |
| ·算法实现 | 第46-49页 |
| ·实验部分 | 第49-51页 |
| ·实验材料 | 第49页 |
| ·实验仪器 | 第49-50页 |
| ·实验方法 | 第50页 |
| ·数据处理方法 | 第50-51页 |
| ·结果与讨论 | 第51-57页 |
| ·DFA在牛奶区分中的应用 | 第51-52页 |
| ·DFA在茶饮料区分中的应用 | 第52-53页 |
| ·DFA在白酒区分中的应用 | 第53-57页 |
| ·小结 | 第57-58页 |
| 第4章 非线性模式识别—人工神经网络 | 第58-77页 |
| ·概述 | 第58-65页 |
| ·BP网络 | 第58-61页 |
| ·径向基神经网络 | 第61页 |
| ·竞争神经网络 | 第61-63页 |
| ·概率神经网络 | 第63-64页 |
| ·自组织特征映射网络 | 第64-65页 |
| ·算法实现 | 第65-66页 |
| ·实验部分 | 第66-68页 |
| ·实验材料 | 第66-67页 |
| ·实验仪器 | 第67页 |
| ·实验方法 | 第67页 |
| ·数据处理方法 | 第67-68页 |
| ·结果与讨论 | 第68-76页 |
| ·竞争神经网络识别结果 | 第68-72页 |
| ·概率神经网络识别结果 | 第72-76页 |
| ·小结 | 第76-77页 |
| 第5章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 硕士期间发表论文 | 第86-87页 |
| 致谢 | 第87-88页 |
