電子鼻信號分析關鍵算法研究

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)設計

1.4.2針對相關特征的迭代特征刪除

1.4.3設備差異和時變漂移補償

1.5結構安排

第2章基于電子鼻的呼氣分析系統(tǒng)

2.1相關工作

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)設計與優(yōu)化

2.2.1氣敏傳感器陣列

2.2.2電子鼻結構設計

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實驗結果和討論

2.4.1丙酮濃度預測實驗

2.4.2糖尿病篩查

2.4.3血糖預測

2.4.4分析： 個體訓練樣本數(shù)與血糖預測誤差的關系

2.5本章小結

第3章針對相關特征的迭代特征刪除

3.1相關工作

3.1.1特征選擇概述

3.1.2SVMRFE

3.2改進SVMRFE： 相關偏差縮減

3.2.1相關偏差

3.2.2相關偏差縮減

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： 特征選擇結果

3.5本章小結

第4章基于加權正則化和多任務學習的漂移補償

4.1相關工作

4.1.1設備差異補償

4.1.2時變漂移補償

4.1.3標定樣本選擇

4.2算法總結與面臨的挑戰(zhàn)

4.3漂移數(shù)據(jù)集

4.4基于加權正則化的漂移補償

4.5基于多任務學習的漂移補償

4.5.1雙任務學習

4.5.2多任務學習

4.5.3動態(tài)模型策略

4.6實驗結果和討論

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

第5章漂移補償自編碼器

5.1相關工作

5.1.1自編碼器

5.1.2基于自編碼器的遷移學習

5.2背景特征

5.3漂移補償自編碼器

5.3.1網(wǎng)絡結構與目標函數(shù)

5.3.2處理復雜時變漂移

5.3.3訓練流程

5.4實驗結果和討論

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： 訓練流程

5.5本章小結

第6章最大獨立領域適配算法

6.1相關工作

6.1.1無監(jiān)督領域適配算法

6.1.2HilbertSchmidt獨立性準則

6.2最大獨立領域適配算法

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

第7章總結和展望

7.1總結

7.2創(chuàng)新點

7.3展望

參考文獻

索引

在學期間發(fā)表的學術論文

致謝