| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景 | 第9-10页 |
| ·可穿戴计算机及上下文感知简介 | 第10-13页 |
| ·可穿戴计算机 | 第10-12页 |
| ·上下文感知简介 | 第12-13页 |
| ·多传感器信息融合技术简介 | 第13-15页 |
| ·多传感器信息融合 | 第13-14页 |
| ·多传感器信息融合的层次 | 第14页 |
| ·常见的多传感器信息融合算法 | 第14-15页 |
| ·本文的主要研究内容及论文结构 | 第15-17页 |
| 第2章 贝叶斯网络 | 第17-32页 |
| ·贝叶斯网络概述 | 第17页 |
| ·贝叶斯网络的网络结构 | 第17-19页 |
| ·贝叶斯网络中的条件独立性 | 第19-21页 |
| ·网络参数的确定 | 第21-22页 |
| ·贝叶斯网络中的概率推理 | 第22-31页 |
| ·贝叶斯网络中的推理问题 | 第22-24页 |
| ·变量消元法 | 第24-25页 |
| ·团树传播算法 | 第25-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 动态贝叶斯网络 | 第32-45页 |
| ·动态贝叶斯网络概述 | 第32-33页 |
| ·相关概念和定义 | 第33-34页 |
| ·DBN 中的推理算法 | 第34-39页 |
| ·前向后向算法 | 第34-36页 |
| ·邻接算法 | 第36-39页 |
| ·模糊动态贝叶斯网络 | 第39-44页 |
| ·模糊集和模糊概率 | 第39-40页 |
| ·FDBN 概述 | 第40-41页 |
| ·FDBN 的推理算法 | 第41-43页 |
| ·基于FDBN 的多传感器信息融合 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 可穿戴计算机人体健康监测 | 第45-62页 |
| ·心源性休克的监测 | 第45-55页 |
| ·医学背景知识 | 第45-50页 |
| ·监测模型 | 第50-54页 |
| ·仿真 | 第54-55页 |
| ·人体生理状态监测 | 第55-61页 |
| ·各生理数据的机理和分析 | 第55-57页 |
| ·监测模型 | 第57-59页 |
| ·仿真 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 穿戴式人体健康监测系统设计 | 第62-72页 |
| ·系统结构 | 第62-63页 |
| ·硬件平台设计 | 第63-67页 |
| ·基于嵌入式处理器Sumsang 2410 的高性能嵌入式系统 | 第63-66页 |
| ·用于获取生理信号的织物传感器 | 第66-67页 |
| ·系统软件设计 | 第67-71页 |
| ·嵌入式Linux 系统 | 第67-68页 |
| ·通信模块 | 第68-70页 |
| ·监测模块设计 | 第70页 |
| ·监测主界面 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |