第一章 绪论 1
目录 1
第一节 嗅觉模拟技术简介 3
一、人的嗅觉机理 3
二、嗅觉模拟技术原理 5
三、嗅觉模拟技术中的主要相关技术 6
四、嗅觉模拟技术的发展史 12
第二节 应用及发展前景 12
参考文献 15
第二章 嗅觉模拟技术中的传感器与阵列 18
第一节 气敏传感器的选型原则 18
第二节 常用气敏传感器的检测原理简介 19
一、金属氧化物类气敏传感器 19
四、导电聚合物气敏传感器 22
二、质量型气敏传感器 22
三、电化学型气敏传感器 22
第三节 气敏传感器的工作条件与特性 23
一、工作条件 23
二、主要特性参数 24
三、基本特性 25
四、材料及敏感膜对气敏传感器性能的影响 29
第四节 气敏传感器及阵列的响应模型 29
第五节 气敏传感器阵列的构造方法 30
一、初始阵列的确定 30
二、最终阵列的确定 31
三、阵列构造举例 34
参考文献 39
第一节 样本筛选的必要性 40
第三章 样本筛选与特征信息提取技术 40
第二节 常用的样本筛选技术 42
一、用模式分类方法筛选样本 42
二、用稳健回归方法筛选样本 43
三、用离群判别法筛选样本 43
第三节 特征信息提取技术 44
一、问题的提出 44
二、一些基本概念 44
三、测量信息获取技术 45
四、测量信息中异常数据剔除技术 47
五、特征提取技术 48
第四节 气敏传感器测量中温、湿度的补偿方法 56
二、基于知识的温、湿度补偿方法 57
一、基于知识的温、湿度补偿思想 57
参考文献 60
第四章 常用的统计模式识别方法 61
第一节 KNN法及其改进法 61
一、基本的KNN法 61
二、KNN法的改进 62
第二节 Fisher判别法 63
一、Fisher判别法的基本思想 63
二、Fisher判别法的数学描述 63
第三节 主成分回归简介 65
第四节 偏最小二乘法 66
一、基本原理 67
二、计算方法推导 67
一、相似和距离 69
第五节 聚类分析法 69
二、系统聚类法 70
三、一次形成分类法 71
四、映射分类法 72
参考文献 73
第五章 人工神经网络模式识别方法 74
第一节 概述 74
一、神经网络的研究简史、现状与特点 74
二、前向神经网络模型 76
三、前向神经网络非线性函数逼近理论 80
第二节 BP神经网络学习算法 83
一、基于批处理方法的BP学习算法 83
二、基于递推最小二乘法的BP学习算法 84
第三节 RBF神经网络学习算法 86
一、常用学习算法概述 87
二、一种基于高斯核的RBF神经网络学习算法 88
第四节 自组织人工神经网络 93
一、基本思想与学习原理 93
二、学习算法 95
参考文献 96
第六章 遗传算法与遗传神经网络 98
第一节 概述 98
一、遗传算法的研究历史与发展方向 99
二、遗传算法的基本特征 100
第二节 遗传算法的基本理论 102
一、基本的遗传操作方法 102
二、遗传算法的理论基础 104
三、遗传算法的收敛性 107
第三节 遗传算法的关键参数与算法的基本步骤 108
一、关键参数的确定 108
二、算法的基本步骤 110
第四节 遗传算法的物种形成与小生境技术 110
第五节 遗传算法的欺骗性问题 111
第六节 基于遗传算法的LBF神经网络 111
一、二进制编码的遗传神经网络 112
二、十进制编码的遗传神经网络 116
第七节 基于遗传算法的RBF神经网络 119
参考文献 120
第七章 嗅觉模拟技术的应用 122
第一节 酒类的鉴别 122
二、酒的种类识别或质量分级 123
一、酒类香气质量的评定 123
三、取样方法探讨 124
四、酒类质量的稳定性判别 125
第二节 水果、蔬菜浆质量检测 128
第三节 肉类物品新鲜度的判别 128
第四节 环境检测 129
第五节 医疗诊断中的应用 130
第六节 火灾探测中的应用 131
参考文献 132
附录一 基于批处理的BP神经网络C程序 133
附录二 一种基于高斯核的RBF神经网络C程序 147
附录三 二进制遗传LBF神经网络C程序 162
附录四 十进制遗传LBF神经网络C程序 179
附录五 十进制遗传RBF神经网络C程序 194