| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.3 研究内容和主要工作 | 第18-19页 |
| 2 证据理论 | 第19-26页 |
| 2.1 D-S证据理论基本理念 | 第19-22页 |
| 2.1.1 识别框架与辨识框架 | 第19页 |
| 2.1.2 基本信度函数分配 | 第19-20页 |
| 2.1.3 信度函数与似然函数 | 第20-22页 |
| 2.2 证据组合公式 | 第22-24页 |
| 2.3 证据理论数据融合模型 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 一种基于基本信度函数置信区间距离的数据融合算法(BBIND) | 第26-39页 |
| 3.1 证据理论存在问题及研究进展 | 第26-31页 |
| 3.1.1 证据冲突问题 | 第26-28页 |
| 3.1.2 Yager改进方法 | 第28-30页 |
| 3.1.3 Sun改进方法 | 第30-31页 |
| 3.2 基于基本信度函数置信区间距离的数据融合融合算法(BBIND) | 第31-36页 |
| 3.2.1 证据理论的几何意义 | 第32页 |
| 3.2.2 基于置信区间距离(BBIND)的数据融合算法 | 第32-36页 |
| 3.3 BBIND算法仿真分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 穿戴网络数据融合算法及应用 | 第39-67页 |
| 4.1 穿戴网络数据融合算法概述 | 第39-46页 |
| 4.1.1 数据融合过程中的主要层次 | 第39-44页 |
| 4.1.2 穿戴网络下的决策算法需求 | 第44页 |
| 4.1.3 传感器数据融合算法介绍 | 第44-45页 |
| 4.1.4 三种融合算法 | 第45-46页 |
| 4.2 穿戴网络算法在人体动态平衡能力分析中的应用 | 第46-60页 |
| 4.2.1 人体动态平衡能力分析系统模型数据 | 第47-51页 |
| 4.2.2 识别框架 | 第51-52页 |
| 4.2.3 基本信度函数分配 | 第52-56页 |
| 4.2.4 数据冲突处理与决策判定 | 第56-60页 |
| 4.3 基于人体动态平衡能力分析算法仿真及比较分析 | 第60-65页 |
| 4.4 本章小节 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第74-76页 |
| 学位论文数据集 | 第76页 |
