医用电子鼻关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-26页 |
| ·引言 | 第10-12页 |
| ·气体传感器 | 第10-11页 |
| ·采样和信号预处理 | 第11-12页 |
| ·模式识别算法 | 第12页 |
| ·医用电子鼻综述 | 第12-13页 |
| ·电子鼻呼吸诊断原理 | 第13-18页 |
| ·电子鼻伤口感染检测原理 | 第18-21页 |
| ·伤口愈合类型和阶段 | 第18-19页 |
| ·影响伤口愈合的因素 | 第19-20页 |
| ·伤口感染常见病原菌及挥发性产物 | 第20-21页 |
| ·医用电子鼻传感器选型与阵列构建. | 第21-23页 |
| ·医用电子鼻研究现状 | 第23-24页 |
| ·课题意义及论文结构 | 第24-26页 |
| ·课题研究意义 | 第24页 |
| ·论文结构 | 第24-25页 |
| ·主要研究内容 | 第25-26页 |
| 2 医用电子鼻气体浓缩系统 | 第26-41页 |
| ·系统结构 | 第26-28页 |
| ·吸附剂选择 | 第28-29页 |
| ·温度控制与流量控制 | 第29-32页 |
| ·主成分分析 | 第32-33页 |
| ·实验与结论 | 第33-40页 |
| ·结合气体浓缩的电子鼻系统抗干扰能力提高 | 第33-36页 |
| ·结合气体浓缩的电子鼻系统区分能力提高 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 3 医用电子鼻实验设计方法 | 第41-52页 |
| ·实验设计方法 | 第41-44页 |
| ·定义 | 第41-42页 |
| ·部分因子实验设计 | 第42-43页 |
| ·响应面实验设计 | 第43-44页 |
| ·实验与结论 | 第44-51页 |
| ·电子鼻系统实验设计 | 第44-49页 |
| ·气体预浓缩系统实验设计 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 4 医用电子鼻性能优化 | 第52-75页 |
| ·医用电子鼻可重复性研究 | 第52-62页 |
| ·医用电子鼻可重复性定义 | 第52-53页 |
| ·医用电子鼻可重复性的判别方法 | 第53-54页 |
| ·医用电子鼻可重复性比较试验 | 第54-62页 |
| ·基于遗传算法的医用电子鼻阵列优化 | 第62-72页 |
| ·遗传算法基本结构 | 第62-63页 |
| ·遗传算法基本操作 | 第63-65页 |
| ·遗传算法理论基础 | 第65页 |
| ·遗传算法的改进 | 第65-67页 |
| ·基于遗传算法的医用电子鼻传感器阵列优化方法 | 第67-72页 |
| ·医用电子鼻特征提取与选择 | 第72-74页 |
| ·电子鼻特征提取常见方法 | 第72页 |
| ·基于小波变换的医用电子鼻特征提取 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 5 医用电子鼻模式识别 | 第75-96页 |
| ·分类方法基本原理 | 第75-79页 |
| ·基于距离的分类器 | 第76页 |
| ·统计分类器 | 第76-77页 |
| ·神经网络分类器 | 第77-78页 |
| ·聚类方法 | 第78-79页 |
| ·概率神经网分类器 | 第79-84页 |
| ·Parzen 窗核函数概率估计 | 第79页 |
| ·概率神经网基本结构 | 第79-81页 |
| ·基于概率神经网络分类器的伤口病原菌检测 | 第81-84页 |
| ·支持向量机分类器 | 第84-94页 |
| ·统计学习理论基本思想 | 第84-86页 |
| ·支持向量机 | 第86-92页 |
| ·基于最小二乘的支持向量机分类器 | 第92-93页 |
| ·基于LS-SVM 的乳癌特征气体分类. | 第93-94页 |
| ·基于LS-SVM 的伤口病原菌分类. | 第94页 |
| ·本章小结 | 第94-96页 |
| 6 结论与展望 | 第96-98页 |
| ·本文的主要研究内容 | 第96-97页 |
| ·医用电子鼻研究展望 | 第97-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-108页 |
| 附录 | 第108页 |
