机器嗅觉技术理论及应用

　　人工智能作为带领未来的前瞻性、战略性技术，日渐成为国际竞争的新焦点、经济发展的新引擎，人工智能必将深刻改变人们的生活和生产方式，给全世界发展带来新的机遇和挑战。《机器嗅觉技术理论及应用》从硬件、软件和算法三个层面系统地介绍机器嗅觉技术，既有理论层面的介绍，也有基于嵌入式平台的实施方案。既介绍基础知识，又紧跟时代发展需求，不同于科研论文着重聚焦于某个研究热点。为了方便机器嗅觉的刚入门者，《机器嗅觉技术理论及应用》力求系统地描述机器嗅觉技术，方便读者对该技术有一个全面、清晰的认识。

　　贾鹏飞，博士，广西大学副教授，硕士生导师。从事机器嗅觉理论研究和应用落地，已研制的设备用于高压柜绝缘异常、医疗废弃物处置、细菌感染和柑橘成熟度检测。发表SCI论文40余篇，授权专利20余项，主持或参与国家重点研发计划“智能机器人”重点专项、国家自然科学基金、中国博士后基金和重庆市自然科学基金等项目。贾国彬，美国索菲亚大学金融工商管理硕士在读，技术经纪人和经理人。图玛机器智能实验室和图玛牧玛科技事务所创始人。长期涉足机器设备、检验检测、科研服务、医疗健康、工业制造和环保设备等产业，以及可靠性工程、技术转移、机器视觉和机器嗅觉的应用研究。主持或参与近10项技术转移转化项目，申请专利7项。

第一章 机器嗅觉的概念、发展综述
第一节 基本概念
第二节 发展历史和现状
第二章 机器嗅觉的硬件构成及采样实验
第一节 气路
第二节 气体传感器及电路
第三节 数据采集卡
第四节 电脑端界面
第五节 气体采样实验
第三章 特征提取
第一节 初级特征提取
第二节 第二级特征提取
第四章 分类器
第一节 BP神经网络
第二节 RBF神经网络
第三节 支持向量机
第五章 优化算法
第一节 群体优化算法概述
第二节 粒子群优化算法
第三节 标准粒子群优化算法
第四节 量子粒子群优化算法
第五节 改进的量子粒子群优化算法
第六节 磷虾群优化算法
第六章 机器嗅觉在低浓度气体中的运用
第一节 低浓度气体样本的制备
第二节 低浓度气体的重要性
第三节 特征提取算法的选取
第四节 实验步骤
第七章 有标签训练样本少的解决方案
第一节 半监督学习
第二节 迁移学习
第三节 主动学习
……
第八章 深度学习在机器嗅觉中的应用
第九章 宽度学习在机器嗅觉中的应用
第十章 基于嵌入式平台的机器嗅觉解决方案
参考文献