基于LDA与Logistic回归算法的腕式跌倒检测系统设计
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第14-19页 |
1.1 课题研究背景及意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-17页 |
1.3 论文主要研究内容和结构 | 第17-19页 |
第二章 腕式跌倒检测系统整体设计 | 第19-26页 |
2.1 系统需求分析 | 第19-20页 |
2.1.1 研究对象分析 | 第19页 |
2.1.2 实现目标需求分析 | 第19-20页 |
2.2 系统整体方案设计 | 第20-25页 |
2.2.1 硬件系统框架设计 | 第21-22页 |
2.2.2 软件系统框架设计 | 第22-23页 |
2.2.3 App与服务器方案设计 | 第23-24页 |
2.2.4 跌倒检测算法流程设计 | 第24-25页 |
2.3 本章小结 | 第25-26页 |
第三章 系统硬件与软件实现 | 第26-38页 |
3.1 主控控制器模块 | 第26-27页 |
3.2 传感器模块 | 第27-28页 |
3.3 通信定位模块 | 第28-32页 |
3.3.1 通信模块硬件实现 | 第29-30页 |
3.3.2 GPS/GPRS程序设计 | 第30-32页 |
3.4 系统电源模块 | 第32-34页 |
3.5 App与服务器模块设计 | 第34-36页 |
3.6 本章小结 | 第36-38页 |
第四章 跌倒检测行为分析与特征分析 | 第38-49页 |
4.1 人体日常行为分类 | 第38-40页 |
4.1.1 人体日常行为归纳 | 第38-39页 |
4.1.2 人体跌倒过程分析 | 第39-40页 |
4.2 特征向量提取 | 第40-43页 |
4.2.1 数据预处理 | 第40-41页 |
4.2.2 特征选择 | 第41-43页 |
4.3 特征分析 | 第43-48页 |
4.3.1 LDA(线性判别分析) | 第43-47页 |
4.3.2 特征分析算法仿真对比 | 第47-48页 |
4.4 本章小结 | 第48-49页 |
第五章 基于Logistic回归的跌倒检测算法 | 第49-61页 |
5.1 常用跌倒检测算法 | 第49-51页 |
5.1.1 基于阈值判定方法 | 第49-50页 |
5.1.2 基于模式识别判定 | 第50-51页 |
5.2 支持向量机 | 第51-53页 |
5.2.1 支持向量机原理 | 第51-53页 |
5.2.2 支持向量机的优缺点 | 第53页 |
5.3 Logistic回归算法 | 第53-58页 |
5.3.1 Logistic回归算法原理 | 第53-56页 |
5.3.2 梯度下降法 | 第56-58页 |
5.4 跌倒检测算法流程 | 第58-59页 |
5.5 本章小结 | 第59-61页 |
第六章 系统整体实验结果与研究 | 第61-71页 |
6.1 实验设计 | 第61-64页 |
6.1.1 跌倒检测样机佩戴位置 | 第61-62页 |
6.1.2 跌倒实验对象 | 第62页 |
6.1.3 实验方法和指标 | 第62-64页 |
6.2 实验结果与分析 | 第64-69页 |
6.2.1 测试结果与分析 | 第64-67页 |
6.2.2 算法对比实验 | 第67-68页 |
6.2.3 App报警以及定位 | 第68-69页 |
6.3 系统以及算法评价 | 第69页 |
6.4 本章小结 | 第69-71页 |
总结与展望 | 第71-72页 |
参考文献 | 第72-77页 |
攻读硕士学位期间发表论文 | 第77-79页 |
致谢 | 第79页 |