電子鼻信號分析關(guān)鍵算法研究

第1章引言

1.1研究背景

1.2電子鼻工作原理簡介

1.3研究方向與意義

1.4研究內(nèi)容

1.4.1基于電子鼻的呼氣分析系統(tǒng)設(shè)計

1.4.2針對相關(guān)特征的迭代特征刪除

1.4.3設(shè)備差異和時變漂移補償

1.5結(jié)構(gòu)安排

第2章基于電子鼻的呼氣分析系統(tǒng)

2.1相關(guān)工作

2.1.1疾病與呼氣標志物

2.1.2基于電子鼻的呼氣分析

2.2系統(tǒng)設(shè)計與優(yōu)化

2.2.1氣敏傳感器陣列

2.2.2電子鼻結(jié)構(gòu)設(shè)計

2.2.3采樣流程

2.2.4信號分析與特征增強

2.3糖尿病呼氣數(shù)據(jù)集

2.4實驗結(jié)果和討論

2.4.1丙酮濃度預(yù)測實驗

2.4.2糖尿病篩查

2.4.3血糖預(yù)測

2.4.4分析： 個體訓(xùn)練樣本數(shù)與血糖預(yù)測誤差的關(guān)系

2.5本章小結(jié)

第3章針對相關(guān)特征的迭代特征刪除

3.1相關(guān)工作

3.1.1特征選擇概述

3.1.2SVMRFE

3.2改進SVMRFE： 相關(guān)偏差縮減

3.2.1相關(guān)偏差

3.2.2相關(guān)偏差縮減

3.2.3特征選擇的穩(wěn)定性和集成策略

3.3候選特征集

3.4實驗結(jié)果和討論

3.4.1人工合成數(shù)據(jù)集

3.4.2糖尿病呼氣數(shù)據(jù)集

3.4.3分析： 穩(wěn)定性和集成策略

3.4.4分析： 特征選擇結(jié)果

3.5本章小結(jié)

第4章基于加權(quán)正則化和多任務(wù)學(xué)習(xí)的漂移補償

4.1相關(guān)工作

4.1.1設(shè)備差異補償

4.1.2時變漂移補償

4.1.3標定樣本選擇

4.2算法總結(jié)與面臨的挑戰(zhàn)

4.3漂移數(shù)據(jù)集

4.4基于加權(quán)正則化的漂移補償

4.5基于多任務(wù)學(xué)習(xí)的漂移補償

4.5.1雙任務(wù)學(xué)習(xí)

4.5.2多任務(wù)學(xué)習(xí)

4.5.3動態(tài)模型策略

4.6實驗結(jié)果和討論

4.6.1陣列漂移數(shù)據(jù)集

4.6.2Corn數(shù)據(jù)集

4.6.3呼氣分析數(shù)據(jù)集

4.7本章小結(jié)

第5章漂移補償自編碼器

5.1相關(guān)工作

5.1.1自編碼器

5.1.2基于自編碼器的遷移學(xué)習(xí)

5.2背景特征

5.3漂移補償自編碼器

5.3.1網(wǎng)絡(luò)結(jié)構(gòu)與目標函數(shù)

5.3.2處理復(fù)雜時變漂移

5.3.3訓(xùn)練流程

5.4實驗結(jié)果和討論

5.4.1陣列漂移數(shù)據(jù)集

5.4.2Corn數(shù)據(jù)集

5.4.3呼氣分析數(shù)據(jù)集

5.4.4分析： 欠遷移與過遷移

5.4.5分析： 訓(xùn)練流程

5.5本章小結(jié)

第6章最大獨立領(lǐng)域適配算法

6.1相關(guān)工作

6.1.1無監(jiān)督領(lǐng)域適配算法

6.1.2HilbertSchmidt獨立性準則

6.2最大獨立領(lǐng)域適配算法

6.2.1無監(jiān)督情況

6.2.2半監(jiān)督情況

6.2.3與其他算法的聯(lián)系

6.3特征增強

6.4實驗結(jié)果和討論

6.4.1人工合成數(shù)據(jù)集

6.4.2陣列漂移數(shù)據(jù)集

6.4.3Corn數(shù)據(jù)集

6.4.4呼氣分析數(shù)據(jù)集

6.5本章小結(jié)

第7章總結(jié)和展望

7.1總結(jié)

7.2創(chuàng)新點

7.3展望

參考文獻

索引

在學(xué)期間發(fā)表的學(xué)術(shù)論文

致謝