嗅觉模拟技术

　　简介 嗅觉模拟技术属于新兴的多学科交叉技术。该技术在最近10余年发展速度很快，广泛用于食品分析、香精香料的质量鉴别、环境检测、医疗卫生等方面。本书以嗅觉模拟技术的两大组成部分——传感器阵列与模式识别技术为主线，较为简明、全面、系统地介绍了嗅觉模拟的相关技术构成及其基本理论。内容包括：多传感器阵列融合技术，传感器的温、湿度影响补偿技术，特征信号提取技术，样本筛选技术，统计模式识别理论，神经网络和遗传算法等多方面的理论与技术，以及嗅觉模拟技术的部分应用领域和成果。这些内容均是作者近年来学习、研究、实践等科研活动的体现。本书可作为以下领域中的技术人员、高校教师及研究生的参考和学习用书：化工、食品、农产品、医药等产品的品质分析与控制；环境检测与火灾探测；医疗诊断；交通运输。 目录第一章绪论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 二、质量型气敏传感器22 三、电化学型气敏传感器22 四、导电聚合物气敏传感器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 第三章样本筛选与特征信息提取技术40 第一节样本筛选的必要性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 一、基于知识的温、湿度补偿思想57 二、基于知识的温、湿度补偿方法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 第五节聚类分析法69 一、相似和距离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 一、酒类香气质量的评定123 二、酒的种类识别或质量分级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

暂缺《嗅觉模拟技术》作者简介