嵌入式液滴指纹图识别方法的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 液滴分析技术的背景和发展 | 第9-11页 |
| 1.1.1 液滴分析方法的社会背景 | 第9页 |
| 1.1.2 液滴分析方法的分类 | 第9-11页 |
| 1.2 嵌入式光纤电容液滴分析仪 | 第11-13页 |
| 1.3 本论文的研究内容和意义 | 第13-15页 |
| 第二章 信号预处理 | 第15-27页 |
| 2.1 分段方法和异常液滴分析 | 第15-19页 |
| 2.1.1 一阶微分分段 | 第15-17页 |
| 2.1.2 异常液滴分析 | 第17-19页 |
| 2.2 滤波器的设计和应用改进 | 第19-25页 |
| 2.2.1 滤波器设计 | 第19-22页 |
| 2.2.2 滤波器应用与实验分析 | 第22-25页 |
| 2.3 归一化处理 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 特征提取方法改进 | 第27-40页 |
| 3.1 拟合波形分析法 | 第27-34页 |
| 3.1.1 波形分析法原理与分析 | 第27-30页 |
| 3.1.2 拟合波形分析法原理 | 第30-31页 |
| 3.1.3 实验分析与比较 | 第31-34页 |
| 3.2 基于主成分分析的特征值降维 | 第34-39页 |
| 3.2.1 波形分析法相关性分析 | 第34-35页 |
| 3.2.2 基于主成分分析的特征值降维原理 | 第35-36页 |
| 3.2.3 数据标准化 | 第36-37页 |
| 3.2.4 实验结果与分析 | 第37-39页 |
| 3.3 本章总结 | 第39-40页 |
| 第四章 模式识别方法 | 第40-47页 |
| 4.1 基于聚类的BP神经网络识别方法 | 第40-43页 |
| 4.1.1 BP神经网络识别方法分析 | 第40-41页 |
| 4.1.2 用聚类改进后的识别算法 | 第41-42页 |
| 4.1.3 实验结果比较 | 第42-43页 |
| 4.2 基于朴素贝叶斯的分类方法 | 第43-46页 |
| 4.2.1 朴素贝叶斯分类器的原理 | 第43-44页 |
| 4.2.2 实验与结果 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 嵌入式人机交互设计 | 第47-53页 |
| 5.1 QT/Embedded介绍 | 第47页 |
| 5.2 嵌入式人机交互界面设计 | 第47-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结和展望 | 第53-55页 |
| 6.1 全文总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表论文 | 第58页 |
