| 摘要 | 第1-9页 |
| ABSTRACT | 第9-16页 |
| 第一章 绪论 | 第16-30页 |
| ·研究背景和意义 | 第16-17页 |
| ·研究背景 | 第16-17页 |
| ·研究意义 | 第17页 |
| ·基于近红外光谱技术的发酵过程检测研究综述 | 第17-21页 |
| ·近红外光谱技术概述 | 第17-19页 |
| ·国内外研究现状 | 第19-21页 |
| ·基于电子鼻技术的发酵过程检测研究综述 | 第21-23页 |
| ·电子鼻技术概述 | 第21-23页 |
| ·国内外研究现状 | 第23页 |
| ·基于多传感器信息融合技术的发酵过程检测研究综述 | 第23-25页 |
| ·多传感器信息融合技术概述 | 第23-25页 |
| ·国内外研究现状 | 第25页 |
| ·研究试验对象确定及研究内容 | 第25-28页 |
| ·研究试验对象确定 | 第25-26页 |
| ·研究主要内容 | 第26-27页 |
| ·研究技术路线 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第二章 蛋白饲料固态发酵试验及数据采集 | 第30-38页 |
| ·材料与方法 | 第30-32页 |
| ·试验主要仪器设备 | 第30页 |
| ·试验材料 | 第30-31页 |
| ·蛋白饲料固态发酵试验 | 第31-32页 |
| ·理化试验分析 | 第32页 |
| ·近红外光谱采集 | 第32-34页 |
| ·光谱采集方式——漫反射 | 第32-33页 |
| ·近红外光谱数据采集 | 第33-34页 |
| ·电子鼻信号采集 | 第34-37页 |
| ·电子鼻系统概述 | 第34-36页 |
| ·电子鼻系统数据采集 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于近红外光谱技术的固态发酵过程参数检测研究 | 第38-56页 |
| ·近红外光谱技术定量分析步骤及模型评价标准 | 第38-40页 |
| ·近红外光谱技术检测固态发酵过程参数的步骤 | 第38-39页 |
| ·模型评价标准 | 第39-40页 |
| ·近红外光谱预处理——导数计算 | 第40-42页 |
| ·联合区间偏最小二乘 | 第42-47页 |
| ·联合区间偏最小二乘概述 | 第42-43页 |
| ·基于联合区间偏最小二乘的特征谱区优选 | 第43-47页 |
| ·遗传联合区间偏最小二乘 | 第47-51页 |
| ·遗传联合区间偏最小二乘概述 | 第47-49页 |
| ·基于遗传联合区间偏最小二乘的特征波长筛选 | 第49-51页 |
| ·最佳遗传联合区间偏最小二乘检测模型结果 | 第51页 |
| ·不同偏最小二乘检测模型的结果比较与分析 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 基于近红外光谱技术的固态发酵过程状态识别研究 | 第56-76页 |
| ·样本划分 | 第56-57页 |
| ·近红外光谱预处理——小波分析 | 第57-66页 |
| ·离散小波变换 | 第58-59页 |
| ·离散小波阈值滤噪原理与方法 | 第59-64页 |
| ·特征提取 | 第64-66页 |
| ·支持向量数据描述 | 第66-70页 |
| ·支持向量数据描述概述 | 第66-69页 |
| ·基于支持向量数据描述的固态发酵过程状态模式识别 | 第69-70页 |
| ·不同识别模型的结果比较与分析 | 第70-73页 |
| ·本章小结 | 第73-76页 |
| 第五章 基于电子鼻技术的固态发酵过程状态识别研究 | 第76-88页 |
| ·电子鼻信号预处理 | 第76-77页 |
| ·电子鼻信号特征提取 | 第77-81页 |
| ·主成分分析法原理 | 第78-79页 |
| ·主成分分析的计算步骤 | 第79-80页 |
| ·主成分分析结果 | 第80-81页 |
| ·识别模型建立及结果分析 | 第81-87页 |
| ·基于线性判别分析的固态发酵过程状态模式识别 | 第82-83页 |
| ·基于K最近邻的固态发酵过程状态模式识别 | 第83-84页 |
| ·基于支持向量机的固态发酵过程状态模式识别 | 第84-85页 |
| ·不同识别模型的结果比较与分析 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第六章 基于多技术信息融合的固态发酵过程状态识别研究 | 第88-104页 |
| ·多传感器信息融合技术概述及两技术融合思路 | 第88-93页 |
| ·信息融合的基本原理 | 第88-89页 |
| ·信息融合的层次 | 第89-92页 |
| ·多技术融合的研究思路 | 第92-93页 |
| ·数据分析方法 | 第93-96页 |
| ·独立分量分析概述 | 第93-95页 |
| ·BP_Adaboost算法概述 | 第95-96页 |
| ·融合识别模型建立及结果分析 | 第96-101页 |
| ·特征提取 | 第96-97页 |
| ·基于单技术的识别模型主因子数优化 | 第97-99页 |
| ·基于多技术融合的固态发酵过程状态模式识别 | 第99-101页 |
| ·本章小结 | 第101-104页 |
| 第七章 总结与展望 | 第104-108页 |
| ·研究的主要结论 | 第104-106页 |
| ·研究的主要创新点 | 第106页 |
| ·研究展望 | 第106-108页 |
| 参考文献 | 第108-122页 |
| 致谢 | 第122-124页 |
| 博士期间取得的科研成果 | 第124-126页 |
| 附录 | 第126-129页 |
