| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 研究现状 | 第10-14页 |
| 1.2.2 主要存在的问题 | 第14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 1.4 论文组织结构 | 第16-19页 |
| 第二章 人体日常行为活动识别系统整体方案 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 行为识别系统整体框架设计 | 第19-21页 |
| 2.3 人体传感器网络信息采集系统设计 | 第21-26页 |
| 2.3.1 行为活动信息采集单元硬件模块 | 第21-23页 |
| 2.3.2 行为活动信息采集单元软件设计 | 第23-26页 |
| 2.4 软件框架搭建与交互接口设计 | 第26-31页 |
| 2.4.1 移动端程序设计 | 第26-29页 |
| 2.4.2 基于蓝牙4.0的数据交互信息流示例 | 第29-30页 |
| 2.4.3 服务器端软件设计 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于蓝牙4.0的低功耗数据传输方案设计 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 可穿戴设备的能耗问题 | 第33-34页 |
| 3.3 基于蓝牙4.0的低功耗数据传输方案 | 第34-37页 |
| 3.3.1 蓝牙4.0简介 | 第34页 |
| 3.3.2 低功耗数据传输方案设计 | 第34-37页 |
| 3.4 低功耗数据传输实验测试与结果 | 第37-41页 |
| 3.4.1 实验方案设计 | 第37-38页 |
| 3.4.2 实验结果 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于随机森林与集成学习的人体行为活动识别算法设计 | 第43-66页 |
| 4.1 引言 | 第43页 |
| 4.2 集成学习与随机森林算法基本原理 | 第43-47页 |
| 4.2.1 集成学习基本原理 | 第43-45页 |
| 4.2.2 随机森林算法原理 | 第45-47页 |
| 4.3 基于随机森林与集成学习的人体行为活动识别算法设计 | 第47-60页 |
| 4.3.1 数据获取与预处理 | 第47-51页 |
| 4.3.2 特征的选择与提取 | 第51-53页 |
| 4.3.3 集成学习识别模型的构建 | 第53-55页 |
| 4.3.4 差异化权重决策融合算法 | 第55-59页 |
| 4.3.5 模型的性能评估 | 第59-60页 |
| 4.4 实验结果与分析 | 第60-64页 |
| 4.4.1 实验设计 | 第60-62页 |
| 4.4.2 实验结果 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 基于增量学习的差异化反馈调优设计 | 第66-77页 |
| 5.1 引言 | 第66页 |
| 5.2 增量学习基本原理 | 第66-67页 |
| 5.3 基于增量学习的差异化反馈调优 | 第67-72页 |
| 5.3.1 Learn++算法概述 | 第67-69页 |
| 5.3.2 基于Learn++算法的差异化反馈调优 | 第69-72页 |
| 5.4 实验验证 | 第72-74页 |
| 5.5 实验结果 | 第74-75页 |
| 5.6 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士期间取得学术成果 | 第87页 |
