| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人类行为识别的研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-13页 |
| 1.4 论文组织安排 | 第13-14页 |
| 2 基本理论 | 第14-26页 |
| 2.1 连续隐马尔科夫模型 | 第14-19页 |
| 2.1.1 隐马尔科夫模型的组成 | 第15-16页 |
| 2.1.2 隐马尔科夫模型的三个基本问题和相应解法 | 第16-19页 |
| 2.2 随机森林集成分类器 | 第19-22页 |
| 2.2.1 随机森林变量重要性算法 | 第21-22页 |
| 2.3 稀疏局部保持投影算法 | 第22-26页 |
| 3 基于多阶层连续隐马尔科夫模型的人类行为识别研究 | 第26-43页 |
| 3.1 引言 | 第26-27页 |
| 3.2 研究思路 | 第27-28页 |
| 3.3 TSCHMM分类 | 第28-34页 |
| 3.3.1 第一阶段连续隐马尔科夫模型粗分 | 第29-30页 |
| 3.3.2 第二阶段连续隐马尔科夫模型细分 | 第30-32页 |
| 3.3.3 第三阶段连续隐马尔科夫模型精分 | 第32-34页 |
| 3.4 TSCHMM实验结果及分析 | 第34-40页 |
| 3.4.1 实验数据 | 第34-35页 |
| 3.4.2 TSCHMM实验结果识别率分析 | 第35-40页 |
| 3.5 本章小结 | 第40-43页 |
| 4 基于随机森林集成分类器的人类行为识别研究 | 第43-52页 |
| 4.1 研究思路 | 第43-44页 |
| 4.2 稀疏局部保持投影降维 | 第44-45页 |
| 4.3 随机森林集成分类器分类 | 第45-46页 |
| 4.4 SpLPP-RF实验结果及分析 | 第46-51页 |
| 4.4.1 实验数据 | 第46-47页 |
| 4.4.2 SpLPP- RF实验结果识别率分析 | 第47-49页 |
| 4.4.3 SpLPP- RF集成分类器与TSCHMM分层模型对比分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间取得的成果 | 第60-61页 |
| 致谢 | 第61-63页 |
