基于手机传感器检测热身动作的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 人体动作识别的国内外研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 文章结构安排 | 第14-15页 |
| 第2章 相关理论和技术背景 | 第15-27页 |
| 2.1 数据预处理 | 第15-16页 |
| 2.2 数据分割 | 第16-17页 |
| 2.3 特征提取 | 第17-21页 |
| 2.3.1 时域特征提取 | 第18-19页 |
| 2.3.2 频域特征提取 | 第19-21页 |
| 2.4 数据降维 | 第21-24页 |
| 2.5 分类算法 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 iRun系统识别热身动作的具体解决方案 | 第27-49页 |
| 3.1 整体技术方案概览 | 第27-29页 |
| 3.2 采集数据 | 第29-31页 |
| 3.3 数据预处理 | 第31-33页 |
| 3.4 评估标准 | 第33页 |
| 3.5 使用滑动窗口做数据分片 | 第33-35页 |
| 3.6 特征工程 | 第35-40页 |
| 3.6.1 特征如何与特征分布 | 第35-36页 |
| 3.6.2 提取特征用时分析 | 第36页 |
| 3.6.3 特征有效性分析 | 第36-38页 |
| 3.6.4 特征降维分析 | 第38-40页 |
| 3.7 训练分类模型 | 第40-47页 |
| 3.7.1 算法及其实现简述 | 第42-43页 |
| 3.7.2 模型训练及结果分析 | 第43-47页 |
| 3.8 本章小结 | 第47-49页 |
| 第4章 使用神经网络改进iRun系统识别效果 | 第49-59页 |
| 4.1 数据预处理 | 第49-50页 |
| 4.2 特征缩放 | 第50-51页 |
| 4.3 神经网络中涉及的主要计算概念及参数 | 第51-55页 |
| 4.3.1 权重衰减因子 | 第51页 |
| 4.3.2 反向传导算法 | 第51-53页 |
| 4.3.3 学习速率 | 第53页 |
| 4.3.4 激活函数 | 第53-55页 |
| 4.3.5 模型输出 | 第55页 |
| 4.4 模型结构简介 | 第55-57页 |
| 4.5 实验结果分析 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 在读期间发表的学术论文与取得的研究成果 | 第66页 |
