基于特征分析的个性化摔倒检测
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究的背景及目的意义 | 第9-10页 |
| ·课题研究的背景 | 第9页 |
| ·课题研究的目的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国外发展现状 | 第10-11页 |
| ·国内发展现状 | 第11页 |
| ·本文的内容组织 | 第11-13页 |
| 2 机器学习中特征选择方法概述 | 第13-28页 |
| ·特征选择的意义 | 第13-14页 |
| ·特征选择概述 | 第14-19页 |
| ·特征选择的定义 | 第14页 |
| ·特征选择的基本框架 | 第14-16页 |
| ·特征选择的评价标准 | 第16-19页 |
| ·特征选择方法分类综述及典型方法介绍 | 第19-23页 |
| ·特征选择方法分类综述 | 第19-21页 |
| ·典型特征选择方法介绍 | 第21-23页 |
| ·ROC分析简介及基于贝叶斯框架的特征选择 | 第23-26页 |
| ·ROC分析简介 | 第23-24页 |
| ·基于贝叶斯框架的特征选择 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 3 个性化人体摔倒检测中的特征分析 | 第28-39页 |
| ·数据描述及预处理 | 第28-30页 |
| ·数据描述 | 第28页 |
| ·数据预处理 | 第28-30页 |
| ·个性化特征分析 | 第30-38页 |
| ·特征部位 | 第30-31页 |
| ·基于多个加速度传感器的特征分析 | 第31-36页 |
| ·基于多组统计量的特征分析 | 第36-38页 |
| ·小结 | 第38-39页 |
| 4 分类模型和人体摔倒检测的结果及分析 | 第39-56页 |
| ·分类方法 | 第39-40页 |
| ·常见分类模型 | 第40-43页 |
| ·C4.5决策树 | 第40-42页 |
| ·朴素贝叶斯 | 第42-43页 |
| ·个性化摔倒检测及检测结果比较 | 第43-54页 |
| ·基于检测率和虚警率的检测结果比较 | 第43-50页 |
| ·基于ROC曲线与AUC值的检测结果比较 | 第50-54页 |
| ·小结 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
