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、**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;**诊断;交通运输。

**章 绪论
**节 嗅觉模拟技术简介
一、人的嗅觉机理
二、嗅觉模拟技术原理
三、嗅觉模拟技术中的主要相关技术
四、嗅觉模拟技术的发展史
第二节 应用及发展前景
参考文献
第二章 嗅觉模拟技术中的传感器与阵列
**节 气敏传感器的选型原则
第二节 常用气敏传感器的检测原理简介
一、金属氧化物类气敏传感器
二、质量型气敏传感器
三、电化学型气敏传感器
四、导电聚合物气敏传感器
第三节 气敏传感器的工作条件与特性
一、工作条件
二、主要特性参数
三、基本特性
四、材料及敏感膜对气敏传感器性能的影响
第四节 气敏传感器及阵列的响应模型
第五节 气敏传感器阵列的构造方法
一、初始阵列的确定
二、*终阵列的确定
三、阵列构造举例
参考文献
第三章 样本筛选与特征信息提取技术
**节 样本筛选的必要性
第二节 常用的样本筛选技术
一、用模式分类方法筛选样本
二、用稳健回归方法筛选样本
三、用离群判别法筛选样本
第三节 特征信息提取技术
一、问题的提出
二、一些基本概念
三、测量信息获取技术
四、测量信息中异常数据剔除技术
五、特征提取技术
第四节 气敏传感器测量中温、湿度的补偿方法
一、基于知识的温、湿度补偿思想
二、基于知识的温、湿度补偿方法
参考文献
第四章 常用的统计模式识别方法
**节 KNN法及其改进法
一、基本的KNN法
二、KNN法的改进
第二节 Fisher判别法
一、Fisher判别法的基本思想
二、Fisher判别法的数学描述
第三节 主成分回归简介
第四节 偏*小二乘法
一、基本原理
二、计算方法推导
第五节 聚类分析法
一、相似和距离
二、系统聚类法
三、一次形成分类法
四、映射分类法
参考文献
第五章 人工神经网络模式识别方法
第六章 遗传算法与遗传神经网络
第七章 嗅觉模拟技术的应用
附录一 基于批处理的BP神经网络C程序
附录二 一种基于高斯核的RBF神经网络C程序
附录三 二进制遗传LBF神经网络C程序
附录四 十进制遗传LBF神经网络C程序
附录五 十进制遗传RBF神经网络C程序