| 【中文题名】 | 神经网络在人工嗅觉信息处理技术中的应用研究 |
| 【英文题名】 | The Study and Application of Neural Network in Artificial Olfactory Information Processing Techniques |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-23 |
| 【中关键词】 | 人工嗅觉,模式识别,神经网络,模糊推理,, |
| 【英关键词】 | artificial olfactory,pattern recognition,neural network,fuzzy inference, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 基于气敏传感器阵列与模式识别技术的人工嗅觉系统是利用气敏传感器交叉敏感性进行气体识别的重要途径。本文主要对神经网络在人工嗅觉信息处理技术中的应用进行了研究，其中就BP神经网络、自组织神经网络和TSK模糊神经网络进行了重点探讨，并应用自行研制的人工嗅觉系统进行了多种混合气体的识别实验。
首先本文概述了人工嗅觉系统的发展简史和研究现状，然后介绍了人工嗅觉信息处理中模式识别的各种分类方法，并比较了它们的优缺点。
接下来介绍了自行研制的人工嗅觉系统的原理和组成部分，并利用该系统，采用单一神经网络(自组织神经网络和BP神经网络)模式识别的方法，应用于多种气体的识别。为了改善系统的性能，对BP神经网络的算法进行了改进，利用学习参数自动调整法加快网络的学习速度。
最后，引进模糊推理和神经网络相结合的技术，介绍了TSK模糊神经网络的结构和算法，在规则生成过程中使用模糊C均值算法，并通过两种规则学习模型进行了气体实验，对实验误差进行分析。 |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
Abstract |
3-4 |
|
目录 |
4-6 |
|
第1章 绪论 |
6-10 |
|
1.1 本研究课题的学术背景及理论 |
6-7 |
|
1.2 国内外文献综述 |
7-8 |
|
1.3 课题研究的来源、目的、意义及主要内容 |
8-10 |
|
第2章 人工嗅觉系统 |
10-17 |
|
2.1 人工嗅觉概述 |
10-11 |
|
2.2 人工嗅觉系统的原理及基本组成部分 |
11-14 |
|
2.2.1 系统构成及原理 |
12-13 |
|
2.2.2 试验数据的获取 |
13-14 |
|
2.2.3 数据预处理 |
14 |
|
2.3 人工嗅觉系统的研究现状 |
14-17 |
|
第3章 人工嗅觉系统中常用的模式分类方法 |
17-30 |
|
3.1 模式识别的基本原理 |
17 |
|
3.2 常见模式分类决策方法 |
17-28 |
|
3.2.1 多元统计方法 |
17-22 |
|
3.2.2 神经网络方法 |
22-25 |
|
3.2.3 遗传算法 |
25-27 |
|
3.2.4 模糊识别 |
27-28 |
|
3.3 各种方法的比较 |
28-30 |
|
第4章 基于单一神经网络的气体识别 |
30-42 |
|
4.1 应用自组织映射神经网络进行气体识别 |
30-35 |
|
4.1.1 自组织映射神经网络的结构和运行机理 |
30-31 |
|
4.1.2 自组织映射神经网络的学习算法 |
31-32 |
|
4.1.3 实验及结果 |
32-35 |
|
4.2 应用BP神经网络进行气体识别 |
35-42 |
|
4.2.1 BP神经网络的算法 |
36-38 |
|
4.2.2 BP算法的改进研究 |
38-39 |
|
4.2.3 实验及结果 |
39-42 |
|
第5章 模糊神经网络在气体识别中的应用 |
42-50 |
|
5.1 模糊技术概述 |
42 |
|
5.2 模糊神经网络的特征 |
42-43 |
|
5.3 基于TSK模糊神经网络的气体识别 |
43-50 |
|
5.3.1 TSK模糊神经网络模型介绍 |
43-45 |
|
5.3.2 模糊规则的产生 |
45-47 |
|
5.3.3 实验及结果 |
47-50 |
|
第6章 结束语 |
50-54 |
|
6.1 结论及下一步的研究工作 |
50-51 |
|
6.1.1 结论 |
50-51 |
|
6.1.2 下一步的研究工作 |
51 |
|
6.2 人工嗅觉系统的市场应用展望 |
51-54 |
|
参考文献： |
54-58 |
|
致谢 |
58-59 |
|
读研期间发表的论文及获奖情况 |
59 |
|
| 【DOI】 | LunWen.ID:2.2008.388193 |
