| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-22页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外发展现状及趋势 | 第9-19页 |
| 1.2.1 稳定性分类的现状与发展 | 第9-10页 |
| 1.2.2 触觉分类的现状与发展 | 第10-19页 |
| 1.3 研究内容及结构安排 | 第19-22页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 主要贡献 | 第20页 |
| 1.3.3 结构安排 | 第20-22页 |
| 第二章 触觉信息建模 | 第22-28页 |
| 2.1 基于核的触觉信息分析方法 | 第22-23页 |
| 2.2 动态时间规整(DTW) | 第23-26页 |
| 2.3 Global Alignment核 | 第26-28页 |
| 第三章 分类器介绍 | 第28-38页 |
| 3.1 支持向量机（Support Vector Machine，SVM)） | 第28-30页 |
| 3.1.1 引言 | 第28页 |
| 3.1.2 支持向量机简介 | 第28-29页 |
| 3.1.3 基于支持向量机的分类算法 | 第29-30页 |
| 3.2 极限学习机（Extreme Learning Machines，ELM） | 第30-36页 |
| 3.2.1 引言 | 第30-31页 |
| 3.2.2 极限学习机简介 | 第31-32页 |
| 3.2.3 基于极限学习机的分类算法 | 第32-36页 |
| 3.3 最近邻分类算法 | 第36-38页 |
| 第四章 抓取稳定性分析 | 第38-56页 |
| 4.1 抓取稳定性问题描述 | 第38页 |
| 4.2 数据集相关介绍 | 第38-42页 |
| 4.3 不同模态数据下的数据处理 | 第42-44页 |
| 4.4 不同模态数据下的抓取稳定性分析 | 第44-55页 |
| 4.4.1 触觉数据结果分析 | 第44-48页 |
| 4.4.2 灵巧手手指角度结果分析 | 第48-53页 |
| 4.4.3 机器人关节角度结果分析 | 第53-55页 |
| 4.5 小结 | 第55-56页 |
| 第五章 触觉形容词分类分析 | 第56-64页 |
| 5.1 数据集介绍 | 第56-57页 |
| 5.2 问题描述 | 第57-59页 |
| 5.3 实验结果 | 第59-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第72页 |