| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 活动识别的国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究内容及创新点 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 创新点 | 第13-14页 |
| 第2章 相关技术研究 | 第14-28页 |
| 2.1 Android平台简介 | 第14-17页 |
| 2.1.1 发展历程 | 第14-15页 |
| 2.1.2 Android系统框架 | 第15-17页 |
| 2.2 手机内置加速度传感器技术 | 第17-18页 |
| 2.3 活动识别的基本流程 | 第18-27页 |
| 2.3.1 特征提取方法 | 第19-20页 |
| 2.3.2 常用的活动识别算法 | 第20-25页 |
| 2.3.3 识别算法的评价标准 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 系统设计方案 | 第28-34页 |
| 3.1 研究路线 | 第28-29页 |
| 3.2 Android平台下低功耗活动识别系统用例分析 | 第29-30页 |
| 3.3 系统总体框架 | 第30-32页 |
| 3.3.1 开发平台 | 第30页 |
| 3.3.2 总体框架 | 第30-32页 |
| 3.4 系统功能设计 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 数据采集及预处理 | 第34-49页 |
| 4.1 三星S5手机内置加速度传感器 | 第34-37页 |
| 4.1.1 检测手机中的传感器型号 | 第34-35页 |
| 4.1.2 传感器MPU6500 | 第35-37页 |
| 4.2 加速度数据采集 | 第37-43页 |
| 4.2.1 Android系统传感器数据的获取 | 第37-38页 |
| 4.2.2 数据采集应用程序的实现 | 第38-41页 |
| 4.2.3 数据采集实验 | 第41-43页 |
| 4.3 数据预处理 | 第43-48页 |
| 4.3.1 中值滤波 | 第43-44页 |
| 4.3.2 时间窗口 | 第44-45页 |
| 4.3.3 特征提取 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 活动识别算法 | 第49-61页 |
| 5.1 分类算法的选择 | 第49-54页 |
| 5.1.1 使用Weka进行分类 | 第49-51页 |
| 5.1.2 算法的改进——欧氏距离 | 第51-52页 |
| 5.1.3 分类算法的比较 | 第52-53页 |
| 5.1.4 决策树分类模型 | 第53-54页 |
| 5.2 验证实验 | 第54-60页 |
| 5.2.1 对手机方向不敏感实验 | 第54-56页 |
| 5.2.2 决策树模型的阈值验证 | 第56-59页 |
| 5.2.3 混淆矩阵 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第6章 低功耗活动识别系统实现 | 第61-77页 |
| 6.1 降低活动识别系统功耗的实现 | 第61-67页 |
| 6.1.1 工作周期 | 第61页 |
| 6.1.2 动态工作周期 | 第61-62页 |
| 6.1.3 低功耗验证 | 第62-65页 |
| 6.1.4 工作周期对分类准确率影响实验验证 | 第65-67页 |
| 6.2 实时低功耗活动识别算法描述 | 第67-68页 |
| 6.3 系统软件实现 | 第68-76页 |
| 6.3.1 登录注册模块 | 第69-70页 |
| 6.3.2 活动识别模块 | 第70-72页 |
| 6.3.3 个人信息模块 | 第72-73页 |
| 6.3.4 更多模块 | 第73-74页 |
| 6.3.5 SQLite数据库模块 | 第74-76页 |
| 6.4 本章小结 | 第76-77页 |
| 第7章 结论与展望 | 第77-79页 |
| 7.1 结论 | 第77页 |
| 7.2 进一步工作的方向 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |