基于无线体域网的人体姿态识别算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 无线体域网研究现状 | 第12-15页 |
| 1.2.1 国外现状 | 第13-15页 |
| 1.2.2 国内现状 | 第15页 |
| 1.3 课题研究意义 | 第15-16页 |
| 1.4 本文研究工作和内容结构 | 第16-19页 |
| 1.4.1 主要研究工作 | 第16-17页 |
| 1.4.2 内容结构 | 第17-19页 |
| 第2章 无线体域网概述和相关工作 | 第19-31页 |
| 2.1 无线体域网 | 第19-22页 |
| 2.1.1 无线体域网的概念 | 第19-20页 |
| 2.1.2 无线体域网系统结构 | 第20-22页 |
| 2.2 数据预处理方法 | 第22-24页 |
| 2.2.1 数据归一化 | 第22-23页 |
| 2.2.2 数据标准化 | 第23-24页 |
| 2.3 姿态特征提取 | 第24-27页 |
| 2.3.1 时域特征 | 第24-25页 |
| 2.3.2 频域特征 | 第25-26页 |
| 2.3.3 时频域特征 | 第26-27页 |
| 2.4 神经网络 | 第27-29页 |
| 2.4.1 神经网络基本概念 | 第27页 |
| 2.4.2 神经网络的发展历程 | 第27-28页 |
| 2.4.3 BP神经网络简介 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 姿态识别方法与姿态识别系统设计 | 第31-47页 |
| 3.1 矩阵降维方法 | 第31-34页 |
| 3.1.1 主成分分析法 | 第31-32页 |
| 3.1.2 线性判别分析法 | 第32-34页 |
| 3.2 姿态识别方法 | 第34-42页 |
| 3.2.1 神经网络 | 第34-35页 |
| 3.2.2 K近邻 | 第35-36页 |
| 3.2.3 决策树 | 第36-38页 |
| 3.2.4 贝叶斯分类 | 第38-39页 |
| 3.2.5 支持向量机 | 第39-41页 |
| 3.2.6 隐式马尔可夫模型 | 第41页 |
| 3.2.7 几种姿态识别方法的比较 | 第41-42页 |
| 3.3 实验系统设计 | 第42-43页 |
| 3.4 实验过程和数据采集 | 第43-45页 |
| 3.5 实验数据记录 | 第45-46页 |
| 3.5.1 姿态多级分层识别算法使用数据集 | 第45页 |
| 3.5.2 BP神经网络算法数据集 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于无线体域网的人体姿态多级分层识别算法 | 第47-57页 |
| 4.1 坐标建立 | 第47-48页 |
| 4.2 人体姿态特征选取 | 第48-49页 |
| 4.3 人体姿态多级分层识别算法实现 | 第49-52页 |
| 4.4 仿真实验和结果分析 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 基于BP神经网络的人体姿态识别算法 | 第57-67页 |
| 5.1 BP神经网络的训练过程 | 第57-60页 |
| 5.2 基于BP神经网络的人体姿态识别算法设计 | 第60-63页 |
| 5.2.1 BP神经网络的输入层和输出层 | 第60-61页 |
| 5.2.2 BP神经网络的隐含层 | 第61-62页 |
| 5.2.3 基于BP神经网络的人体姿态识别算法 | 第62-63页 |
| 5.3 仿真结果分析 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 导师及作者介绍 | 第75-76页 |
| 攻读硕士学位期间的研究工作 | 第76-77页 |
| 致谢 | 第77页 |
