| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究内容及目标 | 第13-14页 |
| 1.3 本文的组织结构 | 第14-15页 |
| 第二章 相关预测理论介绍 | 第15-21页 |
| 2.1 体域网场景下的运动轨迹预测的特点 | 第15页 |
| 2.2 神经网络方法 | 第15-16页 |
| 2.3 马尔可夫模型预测方法 | 第16页 |
| 2.4 灰色预测方法 | 第16-20页 |
| 2.4.1 灰色模型基本理论 | 第16页 |
| 2.4.2 灰色预测方法概述 | 第16-18页 |
| 2.4.3 灰色预测方法的背景值改进 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 变权缓冲算子的构造 | 第21-40页 |
| 3.1 缓冲算子相关理论 | 第21-23页 |
| 3.1.1 缓冲算子的公理体系 | 第21-22页 |
| 3.1.2 强化缓冲算子和弱化缓冲算子 | 第22-23页 |
| 3.2 变权缓冲算子的构造 | 第23-30页 |
| 3.2.1 缓冲算子的适用场景 | 第23-24页 |
| 3.2.2 传统缓冲算子的弊端 | 第24-25页 |
| 3.2.3 变权弱化和强化缓冲算子的构造 | 第25-27页 |
| 3.2.4 变权缓冲算子的作用强度 | 第27-30页 |
| 3.3 实验 | 第30-39页 |
| 3.3.1 Kinect 简介 | 第30-32页 |
| 3.3.2 MSR Daily Activity 3D 数据库简介 | 第32页 |
| 3.3.3 实验过程 | 第32-37页 |
| 3.3.4 实验对比分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 自适应调整缓冲算子权值的策略 | 第40-52页 |
| 4.1 自适应调整思想 | 第40-44页 |
| 4.1.1 体域网应用场景的特点 | 第40-42页 |
| 4.1.2 传统权值确定方法分析 | 第42-43页 |
| 4.1.3 自适应调整思想简述 | 第43-44页 |
| 4.2 自适应过程 | 第44-45页 |
| 4.3 实验 | 第45-51页 |
| 4.3.1 应用自适应策略的算例 | 第45-46页 |
| 4.3.2 实验过程 | 第46-49页 |
| 4.3.3 实验对比分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-59页 |
| 致谢 | 第59页 |