| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-11页 |
| 1.3 问题的总结与分析 | 第11-12页 |
| 1.4 本文的主要工作 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 第2章 运动状态识别的理论基础 | 第14-27页 |
| 2.1 传感器选择与数据收集 | 第14-15页 |
| 2.2 时序数据预处理 | 第15-16页 |
| 2.2.1 数据分片 | 第15-16页 |
| 2.2.2 噪音过滤与平滑 | 第16页 |
| 2.3 时序数据特征提取 | 第16-17页 |
| 2.4 分类算法 | 第17-25页 |
| 2.4.1 动态时间弯曲 | 第18-20页 |
| 2.4.2 支持向量机 | 第20-22页 |
| 2.4.3 决策树算法 | 第22-24页 |
| 2.4.4 随机森林 | 第24-25页 |
| 2.5 分类算法评价 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于加速度传感器的运动状态识别算法 | 第27-41页 |
| 3.1 基于加速度传感器的运动状态识别流程 | 第27-28页 |
| 3.2 不稳定传感器下的数据收集 | 第28-32页 |
| 3.3 数据预处理 | 第32-36页 |
| 3.3.1 数据平滑与过滤 | 第33-34页 |
| 3.3.2 重力加速度分解 | 第34-35页 |
| 3.3.3 数据分窗处理 | 第35-36页 |
| 3.4 特征抽取 | 第36页 |
| 3.5 分类算法选择 | 第36-37页 |
| 3.6 运动状态校正与汇总整理 | 第37-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 实验结果与分析 | 第41-53页 |
| 4.1 实验环境 | 第41页 |
| 4.2 实验数据 | 第41-42页 |
| 4.3 基于重力分解特征的分类效果 | 第42-45页 |
| 4.4 简单统计特征的有效性实验 | 第45-47页 |
| 4.5 窗口大小对分类效果的影响 | 第47-49页 |
| 4.6 综合窗口时间跨度的分窗方法对分类效果的影响 | 第49-50页 |
| 4.7 系统识别效果 | 第50-51页 |
| 4.8 本章小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |