| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 存在的问题及发展方向 | 第12-13页 |
| 1.4 本文的研究内容 | 第13-15页 |
| 1.5 本文的章节安排 | 第15-16页 |
| 第2章 用户行为识别研究 | 第16-20页 |
| 2.1 基于传感器的行为识别技术 | 第16-17页 |
| 2.2 基于智能手机的行为识别流程 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 动态数据流环境下的自适应(DIL-AR)行为识别算法设计 | 第20-31页 |
| 3.1 算法概述 | 第20-21页 |
| 3.2 数据采集 | 第21页 |
| 3.3 特征提取 | 第21-24页 |
| 3.4 识别分类 | 第24-26页 |
| 3.5 增量学习 | 第26页 |
| 3.6 实验结果与分析 | 第26-30页 |
| 3.6.1 可变滑动窗口有效性分析 | 第26-27页 |
| 3.6.2 增量学习有效性分析 | 第27-28页 |
| 3.6.3 分类算法有效性分析 | 第28-30页 |
| 3.7 本章小结 | 第30-31页 |
| 第4章 基于可信度投票分类(RBV)的行为识别算法 | 第31-44页 |
| 4.1 算法概述 | 第31页 |
| 4.2 样本采集 | 第31页 |
| 4.3 特征提取 | 第31-34页 |
| 4.4 投票分类机制 | 第34-38页 |
| 4.4.1 特征值票数分配 | 第34-35页 |
| 4.4.2 行为识别分类 | 第35-38页 |
| 4.5 增量学习 | 第38-39页 |
| 4.6 实验分析 | 第39-43页 |
| 4.6.1 投票分配方案对识别率的影响 | 第39-40页 |
| 4.6.2 可变滑动窗口和增量学习有效性分析 | 第40-41页 |
| 4.6.3 相对误差δ对识别率的影响 | 第41页 |
| 4.6.4 不同分类算法的识别率分析 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第5章 基于手机加速度传感器的行为识别系统实现 | 第44-54页 |
| 5.1 系统概述 | 第44-48页 |
| 5.1.1 行为识别系统结构 | 第44-45页 |
| 5.1.2 Android手机平台 | 第45-47页 |
| 5.1.3 开发和部署环境 | 第47-48页 |
| 5.1.4 系统设计目标 | 第48页 |
| 5.2 Android客户端设计 | 第48-51页 |
| 5.3 系统界面 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间参加的科研项目和成果 | 第60页 |