人工智能作为引领未来的前瞻性、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。本书从硬件、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，本书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。

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
第一节 何为深度森林
第二节 深度森林与决策树以及随机森林的对比
第三节 深度森林的结构
第四节 深度森林和深度神经网络比较
第五节 深度森林在处理机器嗅觉数据中的应用实例
第九章 宽度学习在机器嗅觉中的应用
第一节 宽度学习
第二节 宽度学习在处理机器嗅觉数据中的应用实例
第十章 基于嵌入式平台的机器嗅觉解决方案
第一节 为什么要在嵌入式平台运行机器嗅觉系统
第二节 基于K210的机器嗅觉解决方案
第三节 基于树莓派的机器嗅觉解决方案
参考文献