基于浅层学习和深度学习的传感器活动识别对比研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 第2章 基于浅层学习的活动识别 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 浅谈机器学习 | 第17-18页 |
| 2.3 活动识别链条 | 第18-25页 |
| 2.3.1 传感器数据获取及预处理 | 第19-20页 |
| 2.3.2 数据分割 | 第20页 |
| 2.3.3 特征提取与选择 | 第20-21页 |
| 2.3.4 训练与分类 | 第21-23页 |
| 2.3.5 决策融合 | 第23页 |
| 2.3.6 性能评估 | 第23-25页 |
| 2.4 实验及分析 | 第25-31页 |
| 2.4.1 实验数据集 | 第26-27页 |
| 2.4.2 基础活动识别链条实验 | 第27-28页 |
| 2.4.3 特征类型实验 | 第28页 |
| 2.4.4 窗口大小实验 | 第28-29页 |
| 2.4.5 分类器实验 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于深度学习的活动识别 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 浅谈深度学习 | 第32-33页 |
| 3.3 卷积神经网络构造 | 第33-42页 |
| 3.3.0 CNN架构 | 第33-35页 |
| 3.3.1 卷积层 | 第35-36页 |
| 3.3.2 池化层 | 第36页 |
| 3.3.3 激活函数 | 第36-37页 |
| 3.3.4 Dropout | 第37-38页 |
| 3.3.5 卷积神经网络训练 | 第38-42页 |
| 3.4 卷积神经网络实验 | 第42-46页 |
| 3.4.1 实验数据 | 第42-43页 |
| 3.4.2 卷积神经网络的性能研究实验 | 第43-45页 |
| 3.4.3 卷积神经网络的普适性实验 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于卷积神经网络的帕金森病步态冻结识别 | 第48-58页 |
| 4.1 引言 | 第48页 |
| 4.2 构建CNN-2 模型 | 第48-51页 |
| 4.3 DAPHNet数据集 | 第51-53页 |
| 4.3.1 简介 | 第51-52页 |
| 4.3.2 数据预处理 | 第52-53页 |
| 4.4 实验结果及分析 | 第53-56页 |
| 4.4.1 实验结果 | 第53-55页 |
| 4.4.2 实验分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65页 |
