基于三维加速度传感器的人体行为识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题背景和意义 | 第10-12页 |
| ·本文研究的问题 | 第12-13页 |
| ·本文的研究内容与章节安排 | 第13-15页 |
| 第2章 人体行为识别研究现状 | 第15-29页 |
| ·人体行为识别各模块介绍 | 第15-27页 |
| ·数据采集模块 | 第17-18页 |
| ·预处理模块 | 第18-19页 |
| ·特征提取和选择模块 | 第19-22页 |
| ·分类器 | 第22-27页 |
| ·人体行为识别的现状和难点 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于小波分析的加速度信号去噪方法研究 | 第29-45页 |
| ·小波分析的理论基础 | 第30-38页 |
| ·连续小波变换 | 第30-32页 |
| ·离散小波变换 | 第32-35页 |
| ·常用小波函数介绍 | 第35-38页 |
| ·小波阈值去噪 | 第38-40页 |
| ·改进阈值的小波去噪方法 | 第40-44页 |
| ·改进的阈值函数 | 第40-41页 |
| ·阈值的估计 | 第41页 |
| ·仿真实验结果及分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于加速度传感器的人体行为识别 | 第45-59页 |
| ·加速度传感器信号的获取 | 第45-46页 |
| ·五种步态模式的识别 | 第46-51页 |
| ·信号预处理 | 第46-47页 |
| ·特征的选择 | 第47-49页 |
| ·分类识别 | 第49页 |
| ·实验结果 | 第49-51页 |
| ·三种步态模式的分类 | 第51-55页 |
| ·特征的选择 | 第52-54页 |
| ·分类识别 | 第54-55页 |
| ·基于加速度传感器的步态识别 | 第55-58页 |
| ·步态识别 | 第55-56页 |
| ·特征的选择 | 第56-58页 |
| ·分类识别 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第5章 粒子群优化的支持向量机分类器研究 | 第59-70页 |
| ·支持向量机 | 第59-62页 |
| ·VC维和结构风险最小化原则 | 第59-60页 |
| ·线性支持向量机 | 第60-62页 |
| ·非线性支持向量机 | 第62页 |
| ·粒子群优化算法 | 第62-65页 |
| ·粒子群算法的概述 | 第62-63页 |
| ·粒子群算法的原理 | 第63页 |
| ·粒子群算法的改进 | 第63-65页 |
| ·粒子群优化支持向量机参数的选择方法 | 第65-67页 |
| ·网格搜索的支持向量机参数选择方法 | 第65页 |
| ·粒子群优化的支持向量机参数选择方法 | 第65-67页 |
| ·仿真分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间参加的科研项目和成果 | 第78页 |
