| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文的研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 步态识别的理论基础 | 第17-32页 |
| 2.1 总体架构设计 | 第17-18页 |
| 2.2 传感器 | 第18-21页 |
| 2.2.1 传感器介绍 | 第18页 |
| 2.2.2 加速度传感器工作原理 | 第18-19页 |
| 2.2.3 坐标转换 | 第19-21页 |
| 2.3 特征提取方法 | 第21-25页 |
| 2.3.1 特征提取方法比较 | 第21-22页 |
| 2.3.2 双树复小波变换原理 | 第22-25页 |
| 2.4 机器学习算法 | 第25-31页 |
| 2.4.1 机器学习介绍 | 第25-26页 |
| 2.4.2 机器学习算法 | 第26-29页 |
| 2.4.3 评估方法和性能度量 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 数据的采集和处理 | 第32-47页 |
| 3.1 数据的采集软件设计 | 第32-35页 |
| 3.1.1 开发环境 | 第32页 |
| 3.1.2 主要功能 | 第32-34页 |
| 3.1.3 程序重点 | 第34-35页 |
| 3.2 数据的采集方案 | 第35-36页 |
| 3.3 原始数据分析 | 第36-38页 |
| 3.4 数据的预处理 | 第38-40页 |
| 3.5 数据的特征提取 | 第40-46页 |
| 3.5.1 传感器特征描述 | 第40页 |
| 3.5.2 基于Q-shift双树复小波变换 | 第40-42页 |
| 3.5.3 参数选择和处理 | 第42-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 分类模型的构建 | 第47-68页 |
| 4.1 机器学习的设计 | 第47-51页 |
| 4.1.1 使用环境 | 第47页 |
| 4.1.2 Weka简介 | 第47-48页 |
| 4.1.3 Weka输入 | 第48-49页 |
| 4.1.4 基于Weka的机器学习 | 第49-51页 |
| 4.2 算法的比较 | 第51-55页 |
| 4.2.1 知识流介绍 | 第51-52页 |
| 4.2.2 基于G-sensor数据的分类模型比较 | 第52-54页 |
| 4.2.3 基于RV-sensor数据的分类模型比较 | 第54-55页 |
| 4.2.4 总结比较结果 | 第55页 |
| 4.3 参数调优 | 第55-65页 |
| 4.3.1 参数优化策略 | 第56-57页 |
| 4.3.2 IBK的参数研究 | 第57-58页 |
| 4.3.3 AdaBoostM1的参数研究 | 第58-61页 |
| 4.3.4 Bagging的参数研究 | 第61-62页 |
| 4.3.5 RandomForest的参数研究 | 第62-64页 |
| 4.3.6 参数调优的总结 | 第64-65页 |
| 4.4 不同数据模型的比较 | 第65-67页 |
| 4.4.1 混合模型 | 第65-66页 |
| 4.4.2 同性模型 | 第66页 |
| 4.4.3 同龄模型 | 第66-67页 |
| 4.4.4 数据模型比较总结 | 第67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 基于客户端/服务器的步态识别系统 | 第68-82页 |
| 5.1 总体设计 | 第68-69页 |
| 5.1.1 总体架构 | 第68-69页 |
| 5.1.3 系统功能 | 第69页 |
| 5.2 客户端设计 | 第69-72页 |
| 5.2.1 开发环境 | 第70页 |
| 5.2.2 软件架构与设计模式 | 第70-71页 |
| 5.2.3 关键功能 | 第71页 |
| 5.2.4 性能优化 | 第71-72页 |
| 5.3 服务器设计 | 第72-75页 |
| 5.3.1 开发环境 | 第72-73页 |
| 5.3.2 相关技术 | 第73页 |
| 5.3.3 关键功能 | 第73-74页 |
| 5.3.4 性能优化 | 第74-75页 |
| 5.4 身份识别算法设计 | 第75-81页 |
| 5.4.1 不相容问题 | 第75页 |
| 5.4.2 理论介绍 | 第75-78页 |
| 5.4.3 极小值研究 | 第78-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第六章 总结和展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 攻硕期间取得的研究成果 | 第90页 |