嗅覺模擬技術(shù)

　　簡介 嗅覺模擬技術(shù)屬于新興的多學科交叉技術(shù)。該技術(shù)在最近10余年發(fā)展速度很快，廣泛用于食品分析、香精香料的質(zhì)量鑒別、環(huán)境檢測、醫(yī)療衛(wèi)生等方面。本書以嗅覺模擬技術(shù)的兩大組成部分——傳感器陣列與模式識別技術(shù)為主線，較為簡明、全面、系統(tǒng)地介紹了嗅覺模擬的相關(guān)技術(shù)構(gòu)成及其基本理論。內(nèi)容包括：多傳感器陣列融合技術(shù)，傳感器的溫、濕度影響補償技術(shù)，特征信號提取技術(shù)，樣本篩選技術(shù)，統(tǒng)計模式識別理論，神經(jīng)網(wǎng)絡(luò)和遺傳算法等多方面的理論與技術(shù)，以及嗅覺模擬技術(shù)的部分應(yīng)用領(lǐng)域和成果。這些內(nèi)容均是作者近年來學習、研究、實踐等科研活動的體現(xiàn)。本書可作為以下領(lǐng)域中的技術(shù)人員、高校教師及研究生的參考和學習用書：化工、食品、農(nóng)產(chǎn)品、醫(yī)藥等產(chǎn)品的品質(zhì)分析與控制；環(huán)境檢測與火災(zāi)探測；醫(yī)療診斷；交通運輸。 目錄第一章緒論1 第一節(jié)嗅覺模擬技術(shù)簡介3 一、人的嗅覺機理3 二、嗅覺模擬技術(shù)原理5 三、嗅覺模擬技術(shù)中的主要相關(guān)技術(shù)6 四、嗅覺模擬技術(shù)的發(fā)展史12 第二節(jié)應(yīng)用及發(fā)展前景12 參考文獻15 第二章嗅覺模擬技術(shù)中的傳感器與陣列18 第一節(jié)氣敏傳感器的選型原則18 第二節(jié)常用氣敏傳感器的檢測原理簡介19 一、金屬氧化物類氣敏傳感器19 二、質(zhì)量型氣敏傳感器22 三、電化學型氣敏傳感器22 四、導(dǎo)電聚合物氣敏傳感器22 第三節(jié)氣敏傳感器的工作條件與特性23 一、工作條件23 二、主要特性參數(shù)24 三、基本特性25 四、材料及敏感膜對氣敏傳感器性能的影響29 第四節(jié)氣敏傳感器及陣列的響應(yīng)模型29 第五節(jié)氣敏傳感器陣列的構(gòu)造方法30 一、初始陣列的確定30 二、最終陣列的確定31 三、陣列構(gòu)造舉例34 參考文獻39 第三章樣本篩選與特征信息提取技術(shù)40 第一節(jié)樣本篩選的必要性40 第二節(jié)常用的樣本篩選技術(shù)42 一、用模式分類方法篩選樣本42 二、用穩(wěn)健回歸方法篩選樣本43 三、用離群判別法篩選樣本43 第三節(jié)特征信息提取技術(shù)44 一、問題的提出44 二、一些基本概念44 三、測量信息獲取技術(shù)45 四、測量信息中異常數(shù)據(jù)剔除技術(shù)47 五、特征提取技術(shù)48 第四節(jié)氣敏傳感器測量中溫、濕度的補償方法56 一、基于知識的溫、濕度補償思想57 二、基于知識的溫、濕度補償方法57 參考文獻60 第四章常用的統(tǒng)計模式識別方法61 第一節(jié)KNN法及其改進法61 一、基本的KNN法61 二、KNN法的改進62 第二節(jié)Fisher判別法63 一、Fisher判別法的基本思想63 二、Fisher判別法的數(shù)學描述63 第三節(jié)主成分回歸簡介65 第四節(jié)偏最小二乘法66 一、基本原理67 二、計算方法推導(dǎo)67 第五節(jié)聚類分析法69 一、相似和距離69 二、系統(tǒng)聚類法70 三、一次形成分類法71 四、映射分類法72 參考文獻73 第五章人工神經(jīng)網(wǎng)絡(luò)模式識別方法74 第一節(jié)概述74 一、神經(jīng)網(wǎng)絡(luò)的研究簡史、現(xiàn)狀與特點74 二、前向神經(jīng)網(wǎng)絡(luò)模型76 三、前向神經(jīng)網(wǎng)絡(luò)非線性函數(shù)逼近理論80 第二節(jié)BP神經(jīng)網(wǎng)絡(luò)學習算法83 一、基于批處理方法的BP學習算法83 二、基于遞推最小二乘法的BP學習算法84 第三節(jié)RBF神經(jīng)網(wǎng)絡(luò)學習算法86 一、常用學習算法概述87 二、一種基于高斯核的RBF神經(jīng)網(wǎng)絡(luò)學習算法88 第四節(jié)自組織人工神經(jīng)網(wǎng)絡(luò)93 一、基本思想與學習原理93 二、學習算法95 參考文獻96 第六章遺傳算法與遺傳神經(jīng)網(wǎng)絡(luò)98 第一節(jié)概述98 一、遺傳算法的研究歷史與發(fā)展方向99 二、遺傳算法的基本特征100 第二節(jié)遺傳算法的基本理論102 一、基本的遺傳操作方法102 二、遺傳算法的理論基礎(chǔ)104 三、遺傳算法的收斂性107 第三節(jié)遺傳算法的關(guān)鍵參數(shù)與算法的基本步驟108 一、關(guān)鍵參數(shù)的確定108 二、算法的基本步驟110 第四節(jié)遺傳算法的物種形成與小生境技術(shù)110 第五節(jié)遺傳算法的欺騙性問題111 第六節(jié)基于遺傳算法的LBF神經(jīng)網(wǎng)絡(luò)111 一、二進制編碼的遺傳神經(jīng)網(wǎng)絡(luò)112 二、十進制編碼的遺傳神經(jīng)網(wǎng)絡(luò)116 第七節(jié)基于遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)119 參考文獻120 第七章嗅覺模擬技術(shù)的應(yīng)用122 第一節(jié)酒類的鑒別122 一、酒類香氣質(zhì)量的評定123 二、酒的種類識別或質(zhì)量分級123 三、取樣方法探討124 四、酒類質(zhì)量的穩(wěn)定性判別125 第二節(jié)水果、蔬菜漿質(zhì)量檢測128 第三節(jié)肉類物品新鮮度的判別128 第四節(jié)環(huán)境檢測129 第五節(jié)醫(yī)療診斷中的應(yīng)用130 第六節(jié)火災(zāi)探測中的應(yīng)用131 參考文獻132 附錄一基于批處理的BP神經(jīng)網(wǎng)絡(luò)C程序133 附錄二一種基于高斯核的RBF神經(jīng)網(wǎng)絡(luò)C程序147 附錄三二進制遺傳LBF神經(jīng)網(wǎng)絡(luò)C程序162 附錄四十進制遺傳LBF神經(jīng)網(wǎng)絡(luò)C程序179 附錄五十進制遺傳RBF神經(jīng)網(wǎng)絡(luò)C程序194

暫缺《嗅覺模擬技術(shù)》作者簡介