用于空中手写的加速度传感器积累误差消除技术研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-11页 |
| 插图和附表清单 | 第11-13页 |
| 1 绪论 | 第13-18页 |
| ·课题背景 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·基于惯性测量单元的空中手写研究 | 第14-15页 |
| ·惯性测量单元的积累误差消除研究 | 第15-17页 |
| ·本文的主要研究内容和章节安排 | 第17-18页 |
| 2 传统积累误差消除技术简介 | 第18-22页 |
| ·零速度补偿算法 | 第18-19页 |
| ·极值点采样算法 | 第19-20页 |
| ·多轴动态开关算法 | 第20页 |
| ·小结 | 第20-22页 |
| 3 支持向量机简介 | 第22-37页 |
| ·机器学习概述 | 第22-24页 |
| ·问题表述 | 第22-23页 |
| ·经验风险最小化准则 | 第23-24页 |
| ·统计学习理论 | 第24-27页 |
| ·VC维与推广性的界 | 第24-25页 |
| ·结构风险最小化准则 | 第25-27页 |
| ·支持向量机 | 第27-36页 |
| ·线性可分支持向量分类机 | 第27-32页 |
| ·线性支持向量分类机 | 第32-34页 |
| ·支持向量分类机 | 第34-36页 |
| ·小结 | 第36-37页 |
| 4 基于SVM的积累误差消除技术 | 第37-46页 |
| ·整体流程 | 第37页 |
| ·确定性误差消除 | 第37-39页 |
| ·噪声滤除 | 第39页 |
| ·基于SVM的运动状态识别 | 第39-43页 |
| ·积累误差消除与轨迹重建 | 第43-45页 |
| ·小结 | 第45-46页 |
| 5 空中连续多字符输入技术 | 第46-52页 |
| ·基于SVM的有效手写状态识别 | 第46-48页 |
| ·适于多字符的积累误差消除方法 | 第48-51页 |
| ·小结 | 第51-52页 |
| 6 算法实现 | 第52-59页 |
| ·基于SVM的积累误差消除的实现 | 第52-55页 |
| ·噪声滤除的实现 | 第52页 |
| ·基于SVM的运动状态识别的实现 | 第52-54页 |
| ·积累误差消除与轨迹重建的实现 | 第54-55页 |
| ·空中连续多字符输入的实现 | 第55-58页 |
| ·基于SVM的有效手写状态识别的实现 | 第55-57页 |
| ·积累误差消除与轨迹重建的实现 | 第57-58页 |
| ·小结 | 第58-59页 |
| 7 实验结果 | 第59-68页 |
| ·基于SVM的积累误差消除效果 | 第59-63页 |
| ·加速度与速度的修正效果 | 第59-61页 |
| ·与传统积累误差消除方法比较效果 | 第61-63页 |
| ·空中连续多字符输入效果 | 第63-67页 |
| ·多段笔划的加速度与速度修正效果 | 第63-64页 |
| ·与传统积累误差消除方法比较效果 | 第64-67页 |
| ·小结 | 第67-68页 |
| 8 总结与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简介 | 第72页 |
| 作者攻读硕士学位期间发表的论文 | 第72页 |
