| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 第一章 绪论 | 第11-34页 |
| 1．1 引言 | 第11-13页 |
| 1．2 哺乳动物嗅觉机理 | 第13-14页 |
| 1．3 电子鼻的结构和概念 | 第14-16页 |
| 1．4 发展中的电子鼻技术 | 第16-26页 |
| 1．4．1 电子鼻技术 | 第17-24页 |
| 1．4．1．1 气体传感器技术 | 第17-21页 |
| 1．4．1．2 信号预处理技术 | 第21-22页 |
| 1．4．1．3 模式识别技术 | 第22-24页 |
| 1．4．2 电子鼻的应用及发展前景 | 第24-26页 |
| 1．5 本文主要研究内容 | 第26-27页 |
| 参考文献 | 第27-34页 |
| 第二章 气体实验装置 | 第34-43页 |
| 2．1 硬件部分 | 第34-39页 |
| 2．1．1 测试容器 | 第34-37页 |
| 2．1．2 信号调理 | 第37-38页 |
| 2．1．3 A／D转换 | 第38-39页 |
| 2．1．4 电源 | 第39页 |
| 2．1．5 计算机 | 第39页 |
| 2．2 软件部分 | 第39-40页 |
| 2．3 实验数据获取 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 第三章 单一气体定性辨识 | 第43-83页 |
| 3．1 基于前馈神经网络的气体定性识别方法 | 第43-57页 |
| 3．1．1 前馈神经网络概述 | 第43-46页 |
| 3．1．2 BP学习算法 | 第46-50页 |
| 3．1．3 BP网络的设计考虑 | 第50-51页 |
| 3．1．4 气体定性实验 | 第51-53页 |
| 3．1．5 数据预处理 | 第53页 |
| 3．1．6 实验结果 | 第53-57页 |
| 3．2 基于自组织特征映射网络的气体定性识别方法 | 第57-62页 |
| 3．2．1 Kohonen自组织特征映射网络的结构 | 第57-58页 |
| 3．2．2 Kohonen自组织映射算法 | 第58-60页 |
| 3．2．3 应用自组织特征映射网络进行气体识别 | 第60-62页 |
| 3．3 模糊C-均值聚类算法在气体定性识别中的应用 | 第62-68页 |
| 3．3．1 隶属度函数的构造方法 | 第62-63页 |
| 3．3．2 模糊判决准则 | 第63-64页 |
| 3．3．3 模糊C-均值聚类 | 第64-66页 |
| 3．3．4 模糊C-均值聚类算法在气体定性识别中的应用 | 第66-68页 |
| 3．4 基于遗传算法的气体传感器阵列优化方法 | 第68-78页 |
| 3．4．1 遗传算法 | 第70-75页 |
| 3．4．2 利用遗传算法进行气体传感器阵列优化 | 第75-78页 |
| 3．4．2．1 准备工作 | 第75-76页 |
| 3．4．2．2 遗传算法主流程 | 第76-77页 |
| 3．4．2．3 实验结果 | 第77-78页 |
| 3．5 本章小结 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 第四章 单一气体定量分析 | 第83-97页 |
| 4．1 基于BP网络的单一气体定量方法 | 第84-89页 |
| 4．1．1 系统原理 | 第84页 |
| 4．1．2 实验数据 | 第84-86页 |
| 4．1．3 数据预处理 | 第86页 |
| 4．1．4 实验结果 | 第86-89页 |
| 4．2 气体测量中的温湿度补偿方法 | 第89-95页 |
| 4．2．1 基于知识的温湿度补偿原理 | 第89-92页 |
| 4．2．1．1 模糊修正因子法 | 第89-90页 |
| 4．2．1．2 人工神经网络法 | 第90-92页 |
| 4．2．2 实验和结果 | 第92-95页 |
| 4．2．2．1 数据采集 | 第92页 |
| 4．2．2．2 温湿度修正及结果 | 第92-95页 |
| 4．3 本章小结 | 第95页 |
| 参考文献 | 第95-97页 |
| 第五章 混合气体定量分析 | 第97-110页 |
| 5．1 基于人工神经网络的混合气体定量分析系统工作原理 | 第97-98页 |
| 5．2 实验 | 第98-99页 |
| 5．3 数据预处理 | 第99页 |
| 5．4 实验结果 | 第99-101页 |
| 5．5 样本增强与筛选 | 第101-102页 |
| 5．5．1 样本增强 | 第101-102页 |
| 5．5．2 样本筛选 | 第102页 |
| 5．6 网络训练算法改进 | 第102-105页 |
| 5．7 改进后系统实验结果 | 第105-107页 |
| 5．7．1 基于组合型BP算法的系统实验结果 | 第105-107页 |
| 5．7．2 基于RPE算法的系统实验结果 | 第107页 |
| 5．8 局部连接神经网络在混合气体定量分析中的应用 | 第107-108页 |
| 5．9 本章小结 | 第108-109页 |
| 参考文献 | 第109-110页 |
| 第六章 结束语 | 第110-113页 |
| 图表索引 | 第113-115页 |
| 作者在攻读博士学位期间发表的论文 | 第115-116页 |
| 致谢 | 第116页 |
