人类活动行为的识别及其对健康影响的研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 特征提取的研究现状 | 第11-12页 |
| 1.2.2 用户个性化模型的研究现状 | 第12-14页 |
| 1.2.3 睡眠健康的研究现状 | 第14-15页 |
| 1.3 本文主要研究工作 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 第2章 人类活动识别中特征选取方法的研究 | 第18-33页 |
| 2.1 引言 | 第18-19页 |
| 2.2 方法概述 | 第19-21页 |
| 2.2.1 滑动窗.算法 | 第20页 |
| 2.2.2 基于PCA的特征融合 | 第20-21页 |
| 2.2.3 分类方法选择 | 第21页 |
| 2.3 特征融合方法 | 第21-26页 |
| 2.3.1 时域特征 | 第21-23页 |
| 2.3.2 频域特征 | 第23-24页 |
| 2.3.3 PCA特征 | 第24-25页 |
| 2.3.4 基于PCA特征融合算法 | 第25-26页 |
| 2.4 实验结果及分析 | 第26-32页 |
| 2.4.1 HAR数据集 | 第26-28页 |
| 2.4.2 性能评价标准 | 第28页 |
| 2.4.3 特征维度对分类结果的影响 | 第28-30页 |
| 2.4.4 PCA+FSP的实验效果 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 人类活动识别的用户个性化模型的研究 | 第33-46页 |
| 3.1 引言 | 第33-34页 |
| 3.2 方法概述 | 第34-36页 |
| 3.3 基于稀疏表达的用户个性化模型 | 第36-41页 |
| 3.3.1 用户间相似度衡量 | 第36-37页 |
| 3.3.2 稀疏表示理论 | 第37-40页 |
| 3.3.3 基于稀疏表达的用户个性化算法 | 第40-41页 |
| 3.4 实验结果及分析 | 第41-45页 |
| 3.4.1 数据集 | 第41-42页 |
| 3.4.2 相似度阈值对分类结果的影响 | 第42-43页 |
| 3.4.3 SR-U性能分析 | 第43-44页 |
| 3.4.4 SCI分析 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 人类活动对睡眠健康影响的研究 | 第46-60页 |
| 4.1 引言 | 第46-47页 |
| 4.2 问题描述 | 第47-48页 |
| 4.3 基于SVMs框架的健康睡眠预测 | 第48-56页 |
| 4.3.1 数据收集 | 第48-50页 |
| 4.3.2 特征选择 | 第50-55页 |
| 4.3.3 分类方法 | 第55-56页 |
| 4.4 实验结果及分析 | 第56-59页 |
| 4.4.1 实验数据和评测指标 | 第56-57页 |
| 4.4.2 基于运动特征的睡眠预测 | 第57页 |
| 4.4.3 基于运动和睡眠特征的睡眠预测 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |
