| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状与分析 | 第10-14页 |
| 1.2.1 步态识别研究现状 | 第10-12页 |
| 1.2.2 步态运动模拟研究现状 | 第12-13页 |
| 1.2.3 研究热点和存在问题分析 | 第13-14页 |
| 1.3 研究内容与创新 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 深度学习及其在步态识别与模拟中的应用 | 第16-30页 |
| 2.1 深度学习概述 | 第16-27页 |
| 2.1.1 深信网 | 第17-23页 |
| 2.1.2 卷积神经网络 | 第23-27页 |
| 2.2 深度学习在步态识别与模拟中的应用 | 第27-29页 |
| 2.2.1 深度学习在步态中的应用分析 | 第27-28页 |
| 2.2.2 基于高斯过程的条件受限玻尔兹曼机 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 集成深信网的步态识别与模拟 | 第30-43页 |
| 3.1 研究问题分析 | 第30-31页 |
| 3.2 集成深信网的步态识别与模拟方法 | 第31-35页 |
| 3.2.1 模型训练过程 | 第31-32页 |
| 3.2.2 模型工作过程 | 第32-34页 |
| 3.2.3 模型复杂度分析 | 第34-35页 |
| 3.3 步态识别与模拟实验结果 | 第35-42页 |
| 3.3.1 实验数据介绍 | 第35-37页 |
| 3.3.2 模型参数配置 | 第37-38页 |
| 3.3.3 实验结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 集成卷积神经网络和深信网的步态识别与模拟 | 第43-54页 |
| 4.1 研究问题分析 | 第43-44页 |
| 4.2 集成卷积神经网络和深信网的步态识别与模拟方法 | 第44-49页 |
| 4.2.1 模型训练过程 | 第44-45页 |
| 4.2.2 模型工作过程 | 第45-47页 |
| 4.2.3 模型复杂度分析 | 第47-49页 |
| 4.3 步态识别与模拟实验结果 | 第49-53页 |
| 4.3.1 实验数据介绍 | 第49页 |
| 4.3.2 模型参数配置 | 第49-50页 |
| 4.3.3 实验结果分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 集成深度学习的步态识别与模拟算法原型系统 | 第54-61页 |
| 5.1 原型系统的开发环境 | 第54页 |
| 5.2 原型系统的设计 | 第54-56页 |
| 5.3 原型系统的功能测试 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 论文工作总结 | 第61-62页 |
| 6.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |