您现在的位置是:网站首页 > 现代文学

电子鼻的异常数据处理及特征提取方法研究

本站2019-07-1121人围观
简介 摘要第4-5页Abstract第5-6页第1章绪论第10-18页引言第10页课题研究背景及意义第10-12页国内外研究现状第12-14页电子鼻应用的关键技术与挑战第14-15页拟解决的关键问题

电子鼻的异常数据处理及特征提取方法研究

摘要第4-5页Abstract第5-6页第1章绪论第10-18页引言第10页课题研究背景及意义第10-12页国内外研究现状第12-14页电子鼻应用的关键技术与挑战第14-15页拟解决的关键问题第15-16页本文的研究内容和框架结构第16-18页第2章问题分析第18-34页电子鼻系统第18-24页工作原理及数据形式第19-21页气敏传感器的特性及测试原理第21-22页气敏传感器的响应特性曲线第22-24页异常数据问题分析第24-27页异常数据的产生原因及特征第24-26页异常数据的检测方法第26-27页电子鼻的异常数据第27页特征提取问题分析第27-30页特征提取的概念第28页电子鼻的局部特征提取法第28-29页电子鼻的整体特征提取法第29-30页常用的特征提取算法的介绍第30-33页主成分分析法第30-31页核主成分分析法第31页判别分析法第31-33页变换法第33页本章小结第33-34页第3章电子鼻的异常数据处理算法及特征提取方法设计第34-46页聚类算法第34-38页近邻聚类算法第35页最大最小距离聚类算法第35-36页分级聚类算法第36-37页均值聚类算法第37-38页检验准则第38-39页傅里叶变换第39-40页均值聚类加权算法优化t检验准则的算法设计第40-43页局部和整体特征相结合的特征提取法设计第43-45页局部特征的提取第43页整体特征的提取第43-45页本章小结第45-46页第4章实验与仿真验证第46-65页实验设计与数据获取第46-49页实验过程第46-47页数据分析与处理第47-49页均值聚类加权算法优化t检验准则的算法的验证第49-51页编程代码第49页仿真结果第49-51页支持向量机第51-55页最优分类面第52页支持向量机模型第52-55页实现步骤与编程代码第55页特征提取方法的仿真对比验证第55-63页局部特征提取法的结果分析第56-58页曲线拟合法的结果分析第58-61页局部和整体特征相结合的特征提取法的结果分析第61-63页本章小结第63-65页第5章全文总结与研究展望第65-68页全文总结第65-66页研究展望第66-68页致谢第68-69页参考文献第69-72页攻读学位期间获得与学位论文相关的科研成果目录第72-73页附录A第73-74页附录B第74-80页附录C第80页。