基于智能手机传感器的用户行为研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题来源 | 第8-9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 主要研究内容 | 第10-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 基于智能手机传感器的用户行为研究 | 第13-23页 |
| 2.1 智能手机传感器的介绍 | 第13-15页 |
| 2.2 用户跌倒行为的研究 | 第15-19页 |
| 2.2.1 人体活动分类 | 第15-16页 |
| 2.2.2 跌倒检测方法的研究现状 | 第16-19页 |
| 2.3 用户签名行为的研究 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 用户的跌倒行为检测方法研究 | 第23-40页 |
| 3.1 数据采集与评估标准 | 第23-24页 |
| 3.1.1 数据采集 | 第23-24页 |
| 3.1.2 评估标准 | 第24页 |
| 3.2 数据的预处理 | 第24-25页 |
| 3.3 特征提取 | 第25-30页 |
| 3.3.1 SVM的峰值 | 第28页 |
| 3.3.2 底边长 | 第28页 |
| 3.3.3 跌倒后速率 | 第28-29页 |
| 3.3.4 冗余运动 | 第29页 |
| 3.3.5 垂直加速度 | 第29-30页 |
| 3.3.6 阈值设置 | 第30页 |
| 3.4 分类识别 | 第30-32页 |
| 3.4.1 固定阈值分类法 | 第31页 |
| 3.4.2 基于模板匹配分类法 | 第31-32页 |
| 3.4.3 基于统计模式分类法 | 第32页 |
| 3.4.4 基于人工神经网络分类法 | 第32页 |
| 3.5 实验分析与性能测试 | 第32-39页 |
| 3.5.1 阈值鲁棒性 | 第32-33页 |
| 3.5.2 传感器数量的影响 | 第33-34页 |
| 3.5.3 性能比较 | 第34-35页 |
| 3.5.4 系统实现 | 第35-38页 |
| 3.5.5 耗电测试 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 用户的签名行为认证方法研究 | 第40-57页 |
| 4.1 签名行为认证系统框架 | 第40-41页 |
| 4.2 签名预处理 | 第41-45页 |
| 4.2.1 去冗余 | 第42页 |
| 4.2.2 大小规整 | 第42页 |
| 4.2.3 位置规整 | 第42-43页 |
| 4.2.4 三次样条重采样 | 第43-45页 |
| 4.3 特征提取 | 第45-50页 |
| 4.3.1 属性生成 | 第45-46页 |
| 4.3.2 属性截断和量化 | 第46-47页 |
| 4.3.3 基于全局的特征提取 | 第47-48页 |
| 4.3.4 基于区域的特征提取 | 第48-49页 |
| 4.3.5 模板生成 | 第49-50页 |
| 4.4 签名认证 | 第50页 |
| 4.5 认证结果分析 | 第50-56页 |
| 4.5.1 MCYT-100数据库的性能分析 | 第51-52页 |
| 4.5.2 SG-NOTE数据库的性能分析 | 第52-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结及展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 作者简介 | 第67页 |
