清华大学很好博士学位论文丛书电子鼻信号分析关键算法研究_PDF下载[144MB-百度云]闫轲

本书特色

[

电子鼻是一种利用气敏传感器阵列识别气味的设备，呼气分析是电子鼻的重要应用之一。通过检测呼出气体中与特定疾病相关的标志物，电子鼻可以辅助完成疾病筛查和监控，该方法具有无创、易操作等优点。本书侧重研究电子鼻系统的信号分析算法，在搭建电子鼻系统的基础上，针对电子鼻数据的特点研究信号分析过程中的关键算法，旨在提高电子鼻的准确性和实用性。本书内容包括三个方面：基于电子鼻的呼气分析系统设计，针对相关特征的迭代特征删除算法，针对设备差异和时变漂移的补偿算法。本书可以作为电子鼻、生物医学工程和机器学习领域研究者的参考书籍。

]

内容简介

[

]

第1章引言1.1研究背景1.2电子鼻工作原理简介1.3研究方向与意义1.4研究内容1.4.1基于电子鼻的呼气分析系统设计1.4.2针对相关特征的迭代特征删除1.4.3设备差异和时变漂移补偿1.5结构安排第2章基于电子鼻的呼气分析系统2.1相关工作2.1.1疾病与呼气标志物2.1.2基于电子鼻的呼气分析2.2系统设计与优化2.2.1气敏传感器阵列2.2.2电子鼻结构设计2.2.3采样流程2.2.4信号分析与特征增强2.3糖尿病呼气数据集2.4实验结果和讨论2.4.1丙酮浓度预测实验2.4.2糖尿病筛查2.4.3血糖预测2.4.4分析：个体训练样本数与血糖预测误差的关系2.5本章小结第3章针对相关特征的迭代特征删除3.1相关工作3.1.1特征选择概述3.1.2SVM�睷FE3.2改进SVM�睷FE：相关偏差缩减3.2.1相关偏差3.2.2相关偏差缩减3.2.3特征选择的稳定性和集成策略3.3候选特征集3.4实验结果和讨论3.4.1人工合成数据集3.4.2糖尿病呼气数据集3.4.3分析：稳定性和集成策略3.4.4分析：特征选择结果3.5本章小结第4章基于加权正则化和多任务学习的漂移补偿4.1相关工作4.1.1设备差异补偿4.1.2时变漂移补偿4.1.3标定样本选择4.2算法总结与面临的挑战4.3漂移数据集4.4基于加权正则化的漂移补偿4.5基于多任务学习的漂移补偿4.5.1双任务学习4.5.2多任务学习4.5.3动态模型策略4.6实验结果和讨论4.6.1阵列漂移数据集4.6.2Corn数据集4.6.3呼气分析数据集4.7本章小结第5章漂移补偿自编码器5.1相关工作5.1.1自编码器5.1.2基于自编码器的迁移学习5.2背景特征5.3漂移补偿自编码器5.3.1网络结构与目标函数5.3.2处理复杂时变漂移5.3.3训练流程5.4实验结果和讨论5.4.1阵列漂移数据集5.4.2Corn数据集5.4.3呼气分析数据集5.4.4分析：欠迁移与过迁移5.4.5分析：训练流程5.5本章小结第6章*大独立领域适配算法6.1相关工作6.1.1无监督领域适配算法6.1.2Hilbert�睸chmidt独立性准则6.2*大独立领域适配算法6.2.1无监督情况6.2.2半监督情况6.2.3与其他算法的联系6.3特征增强6.4实验结果和讨论6.4.1人工合成数据集6.4.2阵列漂移数据集6.4.3Corn数据集6.4.4呼气分析数据集6.5本章小结第7章总结和展望7.1总结7.2创新点7.3展望参考文献索引在学期间发表的学术论文致谢