特色：
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。
简介嗅觉模拟技术属于新兴的多学科交叉技术。该技术在*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**章绪论1**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**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、*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**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**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*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**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*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**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**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