| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 课题的来源 | 第14页 |
| 1.2 课题的研究背景与意义 | 第14-16页 |
| 1.3 中药材鉴别的国内外研究现状 | 第16-17页 |
| 1.4 流形学习的国内外研究现状 | 第17-21页 |
| 1.5 论文的研究内容与结构安排 | 第21页 |
| 1.6 本章小结 | 第21-23页 |
| 第二章 流形学习理论及典型算法 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 流形的基本概念 | 第23-26页 |
| 2.2.1 流形的定义 | 第24页 |
| 2.2.2 局部坐标系 | 第24页 |
| 2.2.3 微分结构 | 第24-25页 |
| 2.2.4 微分流形 | 第25页 |
| 2.2.5 光滑映射 | 第25页 |
| 2.2.6 切向量与切空间 | 第25-26页 |
| 2.2.7 子流形 | 第26页 |
| 2.3 流形学习的基本概念 | 第26-27页 |
| 2.3.1 流形学习的定义 | 第26-27页 |
| 2.3.2 流形学习的基本思想 | 第27页 |
| 2.3.3 流形学习的基本问题 | 第27页 |
| 2.4 传统线性将维方法 | 第27-31页 |
| 2.4.1 主成分分析(PCA) | 第28-30页 |
| 2.4.2 线性判别分析(LDA) | 第30-31页 |
| 2.5 典型流形学习算法 | 第31-40页 |
| 2.5.1 等距特征映射算法(ISOMAP) | 第31-33页 |
| 2.5.2 局部线性嵌入算法(LLE) | 第33-35页 |
| 2.5.3 拉普拉斯特征映射算法(LE) | 第35-37页 |
| 2.5.4 局部切空间排列算法(LTSA) | 第37-38页 |
| 2.5.5 扩散映射算法(Diffusion Maps) | 第38-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 中药材气味信息的采集 | 第41-49页 |
| 3.1 引言 | 第41页 |
| 3.2 实验样品的选取 | 第41-42页 |
| 3.3 实验仪器的介绍 | 第42-45页 |
| 3.3.1 仿生嗅觉系统的工作原理 | 第42-43页 |
| 3.3.2 PEN3电子鼻的基本结构 | 第43-45页 |
| 3.4 气味信息采集相关参数的设定 | 第45-46页 |
| 3.5 气味信息的响应曲线与数据格式 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于LTSA和LDA的中药材鉴别研究 | 第49-63页 |
| 4.1 引言 | 第49-50页 |
| 4.2 LTSA+LDA算法 | 第50-51页 |
| 4.3 基于LTSA+LDA的四种不同种类辛味中药材鉴别研究 | 第51-56页 |
| 4.3.1 四种不同种类辛味中药材的分类结果 | 第51-55页 |
| 4.3.2 待测样本的识别结果 | 第55-56页 |
| 4.4 基于LTSA+LDA的三种同产地不同采收期中药材鉴别研究 | 第56-61页 |
| 4.4.1 三种同产地不同采收期白术的分类结果 | 第56-60页 |
| 4.4.2 待测样本的识别结果 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 基于扩散映射和LDA的中药材鉴别研究 | 第63-73页 |
| 5.1 引言 | 第63-64页 |
| 5.2 Diffusion Maps +LDA算法 | 第64-65页 |
| 5.3 基于Diffusion Maps +LDA的四种不同种类辛味中药材鉴别研究 | 第65-68页 |
| 5.3.1 四种不同种类辛味中药材的分类结果 | 第65-67页 |
| 5.3.2 待测样本的识别结果 | 第67-68页 |
| 5.4 基于Diffusion Maps +LDA的三种同产地不同采收期中药材鉴别研究 | 第68-71页 |
| 5.4.1 三种同产地不同采收期白术的分类结果 | 第68-71页 |
| 5.4.2 待测样本的识别结果 | 第71页 |
| 5.5 本章小结 | 第71-73页 |
| 结论与展望 | 第73-76页 |
| 参考文献 | 第76-81页 |
| 攻读学位期间发表的论文 | 第81-84页 |
| 致谢 | 第84页 |
