| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第14-37页 |
| 1.1 研究背景与意义 | 第14-18页 |
| 1.1.1 运动动作识别的意义 | 第14-15页 |
| 1.1.2 运动动作识别的方式 | 第15-18页 |
| 1.2 运动动作识别研究现状 | 第18-25页 |
| 1.2.1 传感器的分类 | 第18-19页 |
| 1.2.2 体感信息在运动动作识别中的应用 | 第19-23页 |
| 1.2.3 体感网的其它应用领域 | 第23-25页 |
| 1.3 运动动作识别相关方法及相关问题研究 | 第25-35页 |
| 1.3.1 运动动作识别相关方法 | 第26-32页 |
| 1.3.2 相关问题及研究现状 | 第32-35页 |
| 1.4 本文的主要工作以及结构安排 | 第35-37页 |
| 2 基于线性判别分析算法和稀疏表示分类算法的运动动作识别 | 第37-58页 |
| 2.1 引言 | 第37页 |
| 2.2 识别算法框架 | 第37-46页 |
| 2.2.1 特征选择算法—MLDA | 第37-41页 |
| 2.2.2 KSVD-SRC分类算法 | 第41-46页 |
| 2.3 实验平台以及实验数据采集 | 第46-48页 |
| 2.3.1 人体运动动作监测平台 | 第46-47页 |
| 2.3.2 数据采集 | 第47-48页 |
| 2.4 实验验证及结果 | 第48-56页 |
| 2.4.1 预处理和特征提取 | 第48-49页 |
| 2.4.2 实验结果 | 第49-56页 |
| 2.5 本章小结 | 第56-58页 |
| 3 运动动作识别中多分类器多传感器分层融合算法研究 | 第58-73页 |
| 3.1 引言 | 第58页 |
| 3.2 理论基础 | 第58-61页 |
| 3.2.1 多数投票算法 | 第58-59页 |
| 3.2.2 基于熵值法的综合评价 | 第59-61页 |
| 3.3 多分类器多传感器分层融合算法 | 第61-64页 |
| 3.4 实验结果分析 | 第64-71页 |
| 3.4.1 特征提取与选择 | 第64-65页 |
| 3.4.2 性能评估指标 | 第65-66页 |
| 3.4.3 实验结果与讨论 | 第66-71页 |
| 3.5 本章小节 | 第71-73页 |
| 4 基于惯性传感器的运动动作数据流的分割与识别 | 第73-99页 |
| 4.1 引言 | 第73页 |
| 4.2 提出的分割与识别算法 | 第73-89页 |
| 4.2.1 数据流的预分割 | 第73-80页 |
| 4.2.2 基于MSHsim算法的运动动作数据流的精细分割 | 第80-86页 |
| 4.2.3 基于HMM算法的动作数据识别 | 第86-89页 |
| 4.3 实验设置与数据采集 | 第89页 |
| 4.4 实验结果分析 | 第89-98页 |
| 4.4.1 数据流的预处理 | 第89页 |
| 4.4.2 性能评估指标 | 第89-90页 |
| 4.4.3 分割算法的性能评估 | 第90-94页 |
| 4.4.4 识别算法的性能评估 | 第94-98页 |
| 4.5 本章小结 | 第98-99页 |
| 5 结论与展望 | 第99-102页 |
| 5.1 结论 | 第99页 |
| 5.2 创新点 | 第99-100页 |
| 5.3 展望 | 第100-102页 |
| 参考文献 | 第102-112页 |
| 攻读博士学位期间科研项目及科研成果 | 第112-114页 |
| 致谢 | 第114-116页 |
| 作者简介 | 第116页 |
