| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文的贡献 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 数据预处理 | 第17-28页 |
| ·数据采集 | 第17-21页 |
| ·数据采集设备 | 第17-18页 |
| ·数据采集方案 | 第18-21页 |
| ·数据预处理 | 第21-23页 |
| ·滤波处理 | 第21-22页 |
| ·数据合成 | 第22-23页 |
| ·特征提取和规范化 | 第23-26页 |
| ·特征提取 | 第23-26页 |
| ·特征规范化 | 第26页 |
| ·样本统计信息 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于行为切换的跌倒检测方法 | 第28-47页 |
| ·问题描述 | 第28-29页 |
| ·基于行为切换的跌倒检测方案 | 第29-30页 |
| ·多分类算法 | 第30-38页 |
| ·K 近邻算法（KNN） | 第30-31页 |
| ·支持向量机算法（SVM） | 第31-33页 |
| ·决策树算法（DT） | 第33-35页 |
| ·极速学习机算法（ELM） | 第35-38页 |
| ·切换数据提取 | 第38-39页 |
| ·实验结果及相关分析 | 第39-46页 |
| ·传感器选择实验 | 第40-41页 |
| ·多分类算法和特征选择实验 | 第41-44页 |
| ·跌倒检测方法对比实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于 Android 手机的跌倒检测系统 | 第47-60页 |
| ·系统构架 | 第47-53页 |
| ·系统整体架构 | 第47-49页 |
| ·Android 平台概述 | 第49-50页 |
| ·无线定位技术概述 | 第50-53页 |
| ·系统设计目标与原则 | 第53-55页 |
| ·系统运行流程 | 第55-56页 |
| ·系统界面介绍 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·本文工作总结 | 第60-61页 |
| ·未来工作展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 附录 （攻读硕士学位期间参与的科研项目和研究成果） | 第66页 |