基于集成神经网络的多元有害气体定量检测方法研究
| 论文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·论文的主要工作 | 第11-13页 |
| 2 配气系统设计 | 第13-18页 |
| ·配气方法 | 第13-14页 |
| ·配气原理 | 第13-14页 |
| ·气体选择 | 第14页 |
| ·实验配气系统设计 | 第14-17页 |
| ·LabVIEW概述 | 第14-15页 |
| ·LabVIEW流量控制软件设计 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 3 检测系统实验装置 | 第18-29页 |
| ·传感器阵列制备 | 第18-25页 |
| ·传感器选取 | 第18-19页 |
| ·传感器预处理电路 | 第19-22页 |
| ·LabVIEW多路信号采集软件设计 | 第22-25页 |
| ·实验及交叉敏感性测试 | 第25-27页 |
| ·实验 | 第25-26页 |
| ·交叉敏感性测试 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 4 阵列信号预处理 | 第29-36页 |
| ·特征值提取 | 第29-35页 |
| ·主成分分析 | 第30-33页 |
| ·深度学习 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 5 模式识别与现代优化算法概述 | 第36-48页 |
| ·模式识别 | 第36-37页 |
| ·人工神经网络 | 第37-46页 |
| ·BP神经网络原理 | 第37-44页 |
| ·集成神经网络原理 | 第44-46页 |
| ·粒子群算法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 6 实验分析及结果 | 第48-66页 |
| ·PSO-BP神经网络算法 | 第48-53页 |
| ·PSO-BP神经网络原理 | 第48-49页 |
| ·PSO-BP神经网络实验分析 | 第49-53页 |
| ·PSO优化集成BP神经网络算法 | 第53-58页 |
| ·PSO优化集成BP神经网络原理 | 第53-55页 |
| ·PSO算法集成神经网络实验分析 | 第55-58页 |
| ·并行PSO优化集成BP神经网络算法 | 第58-65页 |
| ·并行PSO优化集成BP神经网络原理 | 第58-61页 |
| ·并行PSO算法集成神经网络实验分析 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 7 结论 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72页 |
