智能轮椅的向导路径预测方法
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·背景意义 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·论文的研究内容与结构安排 | 第9-11页 |
| 第二章 人物路径提取 | 第11-21页 |
| ·数据获取的方式和环境 | 第11-12页 |
| ·人物的路径与轨迹 | 第12-14页 |
| ·人物的路径 | 第12-13页 |
| ·人物的轨迹 | 第13-14页 |
| ·人物路径提取 | 第14-16页 |
| ·人物路径提取 | 第14-15页 |
| ·延迟误差分析 | 第15-16页 |
| ·路径提取结果与分析 | 第16-21页 |
| 第三章 基于 BP 神经网络的人物路径预测 | 第21-35页 |
| ·神经元模型 | 第22-25页 |
| ·神经元模型 | 第22页 |
| ·神经元转移函数 | 第22-25页 |
| ·多层神经网络与 BP 算法 | 第25-29页 |
| ·多层神经网络 | 第25-26页 |
| ·BP 神经网络算法思想 | 第26页 |
| ·反向误差传播学习算法 | 第26-28页 |
| ·减少训练时间和防止过度训练的方法 | 第28-29页 |
| ·基于 BP 神经网络的路径预测 | 第29-35页 |
| ·数据预处理 | 第29-32页 |
| ·神经网络训练 | 第32-33页 |
| ·神经网络训练流程 | 第33-34页 |
| ·预测结果与后期处理 | 第34-35页 |
| 第四章 样条函数与路径平滑 | 第35-41页 |
| ·样条函数的定义 | 第35-36页 |
| ·样条函数平滑滤波原理 | 第36-37页 |
| ·三次样条平滑函数推导 | 第37-38页 |
| ·基于样条平滑函数的路径平滑 | 第38-41页 |
| 第五章 仿真实验与结果 | 第41-49页 |
| ·路径预测方法的完整流程 | 第41页 |
| ·仿真实验结果及分析 | 第41-49页 |
| 第六章 结论 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 研究成果 | 第57-59页 |
| 附录 A | 第59-61页 |
| 附录 B | 第61-63页 |
