基于智能手机传感器的人体行为识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状分析 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文研究内容以及创新点 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 研究的理论基础 | 第19-32页 |
| 2.1 人体行为识别技术概述 | 第19-20页 |
| 2.2 手机传感器概述 | 第20-23页 |
| 2.2.1 传感器的坐标系 | 第20-21页 |
| 2.2.2 加速度传感器 | 第21页 |
| 2.2.3 重力传感器 | 第21-22页 |
| 2.2.4 陀螺仪传感器 | 第22页 |
| 2.2.5 磁力传感器 | 第22页 |
| 2.2.6 气压传感器 | 第22-23页 |
| 2.3 分类算法 | 第23-28页 |
| 2.3.1 决策树 | 第23-25页 |
| 2.3.2 随机森林 | 第25-26页 |
| 2.3.3 一类分类 | 第26-28页 |
| 2.4 机器学习库 | 第28-29页 |
| 2.4.1 Sklearn机器学习库 | 第28页 |
| 2.4.2 Weka机器学习库 | 第28-29页 |
| 2.4.3 LibSVM机器学习库 | 第29页 |
| 2.5 评估指标 | 第29-31页 |
| 2.5.1 准确率 | 第29页 |
| 2.5.2 精确率 | 第29-30页 |
| 2.5.3 召回率 | 第30页 |
| 2.5.4 F1分数 | 第30页 |
| 2.5.5 混淆矩阵 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 传感器数据采集与预处理 | 第32-47页 |
| 3.1 数据采集 | 第32-35页 |
| 3.2 数据预处理 | 第35-40页 |
| 3.2.1 数据去噪 | 第35-38页 |
| 3.2.2 数据切分 | 第38-40页 |
| 3.3 特征提取与选择 | 第40-46页 |
| 3.3.1 特征提取 | 第40-44页 |
| 3.3.2 特征选择 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 人体行为分层组合分类模型 | 第47-55页 |
| 4.1 未见类别的识别 | 第47-48页 |
| 4.2 人体行为的分层结构 | 第48-49页 |
| 4.3 分层组合分类模型 | 第49-50页 |
| 4.4 实验评估与分析 | 第50-54页 |
| 4.4.1 实验描述 | 第50页 |
| 4.4.2 实验结果 | 第50-54页 |
| 4.4.3 实验对比 | 第54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 用户行为分析系统的设计与实现 | 第55-64页 |
| 5.1 系统概述 | 第55页 |
| 5.2 系统的体系结构 | 第55-56页 |
| 5.3 数据采集模块 | 第56-57页 |
| 5.4 数据预处理模块 | 第57-58页 |
| 5.5 特征提取模块 | 第58-59页 |
| 5.6 行为识别模块 | 第59-60页 |
| 5.7 运动指标模块 | 第60-61页 |
| 5.8 性能评估 | 第61-63页 |
| 5.9 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录A 攻读硕士期间获得的专利著作 | 第71-72页 |
| 致谢 | 第72页 |
