首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文

基于机器学习的混合物双峰智能决策系统

摘要第5-6页
Abstract第6-7页
1 绪论第8-20页
    1.1 研究背景第8-9页
    1.2 传感器技术第9-12页
        1.2.1 传感器技术概述第9-10页
        1.2.2 电化学传感器概述第10-11页
        1.2.3 电化学检测技术第11-12页
        1.2.4 碳纳米管修饰电极简介第12页
    1.3 分数阶导概述第12-13页
    1.4 支持向量机技术第13-14页
        1.4.1 机器学习概述第13-14页
        1.4.2 支持向量机简介第14页
    1.5 K-means算法概述第14-16页
        1.5.1 K-means算法简介第14-15页
        1.5.2 国内外研究现状及发展趋势第15-16页
    1.6 研究课题的提出第16页
    1.7 研究目标及内容第16-17页
        1.7.1 研究目标第16页
        1.7.2 研究内容第16-17页
    1.8 技术路线第17-18页
    1.9 论文主要工作及创新点第18-20页
2 A和Hx的分离实验第20-29页
    2.1 引言第20-21页
    2.2 检测A、Hx传感器件的制备第21-22页
        2.2.1 主要仪器第21页
        2.2.2 修饰电极的预处理第21页
        2.2.3 CMC-fWCNTs/GCE的制备第21-22页
        2.2.4 分离测定第22页
    2.3 传感器件的电化学特性第22-23页
    2.4 参数的优化第23-25页
        2.4.1 扫速的影响第23-24页
        2.4.2 pH的影响第24-25页
    2.5 传感器性能第25-27页
        2.5.1 A、Hx的分离测试第25-27页
        2.5.2 传感器的稳定性第27页
    2.6 小结第27-29页
3 分数阶导技术实现对A和Hx的双峰预处理第29-33页
    3.1 基于分数阶导的重叠峰的分离第29页
    3.2 基于分数阶导的A、Hx的双峰分离第29-32页
        3.2.1 A、Hx双峰半阶导预处理第30页
        3.2.2 A、Hx稳定性数据的半阶导预处理第30-32页
    3.3 小结第32-33页
4 基于SVM的A、 Hx检测结果系统的构建第33-37页
    4.1 SVM概述第33页
    4.2 SVM的原理第33-35页
        4.2.1 SVM算法第33-34页
        4.2.2 核函数第34-35页
    4.3 实验仿真第35页
    4.4 系统设计与实现第35-36页
    4.5 小结第36-37页
5 基于K-means算法的A、Hx稳定性评估第37-41页
    5.1 聚类算法简介第37页
    5.2 K-means算法概述第37页
    5.3 K-means算法原理第37-38页
    5.4 K-means算法实现第38-40页
    5.5 小结第40-41页
6 A、Hx检测结果与数据稳定性判别系统第41-51页
    6.1 系统开发技术及工具介绍第41-42页
        6.1.1 系统基本技术支持第41页
        6.1.2 开发工具简介第41-42页
    6.2 模型的构建第42-43页
    6.3 A、Hx检测结果判别系统实现第43-48页
        6.3.1 系统设计的思想第43页
        6.3.2 A与Hx的判别系统设计第43-44页
        6.3.3 系统的实现效果及分析第44-48页
    6.4 基于K-means算法的数据稳定性评估的实现第48-49页
    6.5 小结第49-51页
7 结论与展望第51-53页
    7.1 本文主要工作与研究结论第51-52页
    7.2 未来研究展望第52-53页
参考文献第53-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:基于支持向量机的果实蝇图像的自动识别系统研究与实现
下一篇:舞台脱口秀节目主播的符号化形象推广研究