| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第12-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文主要工作及研究内容 | 第15-17页 |
| 1.4 本文章节安排 | 第17-18页 |
| 第2章 相关工作及研究理论基础 | 第18-27页 |
| 2.1 活动行为分析 | 第18-20页 |
| 2.1.1 活动行为分类 | 第18-19页 |
| 2.1.2 人体特征多样性对活动行为的影响分析 | 第19-20页 |
| 2.2 加速度传感器原理及其数据特点 | 第20-23页 |
| 2.2.1 加速度传感器原理 | 第20-21页 |
| 2.2.2 安卓手机的三轴加速度数据特点及其相关知识 | 第21-23页 |
| 2.3 基于三轴加速度传感器数据的行为识别相关知识 | 第23-26页 |
| 2.3.1 三轴加速度传感器数据采集 | 第23-24页 |
| 2.3.2 数据预处理 | 第24页 |
| 2.3.3 特征提取 | 第24-25页 |
| 2.3.4 识别算法 | 第25-26页 |
| 2.4 本章小节 | 第26-27页 |
| 第3章 双参数双门限行为端点检测算法 | 第27-40页 |
| 3.1 简单环境和复杂环境下加速度传感器数据特点的分析 | 第27-28页 |
| 3.2 简单环境下人体行为端点检测 | 第28-33页 |
| 3.2.1 合加速度特征值使用分析 | 第29-30页 |
| 3.2.2 信号幅值面积特征值使用分析 | 第30页 |
| 3.2.3 简单环境下的基于加速度传感器数据的双参数双门限判别法则 | 第30-33页 |
| 3.3 复杂使用环境下人体行为端点检测 | 第33-39页 |
| 3.3.1 复杂使用环境特征值选择分析 | 第33页 |
| 3.3.2 最大合加速度参数使用分析 | 第33-34页 |
| 3.3.3 相关系数参数使用分析 | 第34-36页 |
| 3.3.4 复杂环境下的基于加速度传感器数据的双参数双门限判别法则 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 针对不同人群特征的人体行为识别模型 | 第40-50页 |
| 4.1 基于使用者特征的用户类型划分 | 第40-41页 |
| 4.2 多分类器融合模型 | 第41-43页 |
| 4.2.1 多分类器融合的概念 | 第41页 |
| 4.2.2 主流的分类器拓扑结构 | 第41-42页 |
| 4.2.3 基于人体特征的混合多分类器模型 | 第42-43页 |
| 4.3 特征相似度使用分析 | 第43-45页 |
| 4.3.1 空间距离度量方法 | 第43-44页 |
| 4.3.2 相似性函数法则 | 第44-45页 |
| 4.3.3 特征相似度参数的选择 | 第45页 |
| 4.4 针对不同人群特征的自适应双参数双门限判别方法 | 第45-46页 |
| 4.5 行为识别分类器特征值的选择 | 第46-47页 |
| 4.6 针对不同人群特征的行为识别过程 | 第47-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第5章 实验及结果分析 | 第50-62页 |
| 5.1 实验环境概述 | 第50-51页 |
| 5.2 实验数据介绍 | 第51-52页 |
| 5.3 “休息”行为和“活动”行为三轴加速度传感器数据对比 | 第52-54页 |
| 5.4 简单环境和复杂环境下三轴加速度传感器数据对比分析 | 第54-55页 |
| 5.5 不同行为端点检测算法的对比实验 | 第55-57页 |
| 5.5.1 简单环境下行为端点检测成功率对比 | 第55页 |
| 5.5.2 复杂环境下行为端点检测成功率对比 | 第55-56页 |
| 5.5.3 算法耗时对比 | 第56-57页 |
| 5.6 不同分类器模型的行为识别实验对比 | 第57-61页 |
| 5.6.1 人群特征不同时加速度传感器数据对比 | 第57-59页 |
| 5.6.2 行为识别模型的识别成功率及耗时对比实验 | 第59-61页 |
| 5.7 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第68-69页 |
