基于人工神经网络的苹果气体识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·引言 | 第7-9页 |
| ·电子鼻的研究现状 | 第9-10页 |
| ·国外研究现状 | 第9页 |
| ·国内研究现状 | 第9-10页 |
| ·电子鼻的结构和概念 | 第10-15页 |
| ·气敏材料 | 第11-12页 |
| ·气体传感器 | 第12-13页 |
| ·气体传感器阵列 | 第13-14页 |
| ·模式识别信息处理方法 | 第14-15页 |
| ·研究方向 | 第15页 |
| ·论文主要内容 | 第15-16页 |
| 2 气体测量系统实验装置 | 第16-22页 |
| ·SnO_2气体传感器的特点及其工作原理 | 第16-18页 |
| ·实验硬件部分 | 第18-20页 |
| ·实验方案设计 | 第20-21页 |
| ·品种的选择和样本的采集 | 第20页 |
| ·实验步骤 | 第20-21页 |
| ·软件部分 | 第21-22页 |
| 3 模式识别技术 | 第22-31页 |
| ·模式识别技术概述 | 第22-23页 |
| ·模式识别方法 | 第23-31页 |
| ·人工神经网络概述 | 第23-24页 |
| ·前馈神经网络 | 第24-26页 |
| ·径向基神经网络 | 第26-28页 |
| ·主成分分析 | 第28-31页 |
| 4 两种不同成熟度苹果的实验数据分析 | 第31-41页 |
| ·数据预处理算法及数据样本 | 第31-32页 |
| ·主成分分析结果 | 第32-34页 |
| ·人工神经网络的辨识结果 | 第34-41页 |
| ·BP网络设计原则 | 第34-35页 |
| ·BP网络辨识结果 | 第35-37页 |
| ·RBF网络辨识结果 | 第37-38页 |
| ·主成分分析结合人工神经网络的辨识结果 | 第38-41页 |
| 5 三类不同成熟度苹果的实验数据分析 | 第41-48页 |
| ·实验数据及样本选择 | 第41页 |
| ·主成分分析的结果 | 第41-44页 |
| ·人工神经网络的辨识 | 第44-48页 |
| ·BP网络的辨识结果 | 第44页 |
| ·RBF网络的辨识结果 | 第44-46页 |
| ·主成分分析结合人工神经网络的辨识结果 | 第46-48页 |
| 6 总结与展望 | 第48-50页 |
| ·论文的主要工作 | 第48-49页 |
| ·不足与展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者在攻读硕士期间所发表的论文 | 第54-55页 |
| 附录A | 第55-59页 |
| 附录B | 第59页 |
