基于智能手机的人体运动识别系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题的研究背景 | 第11-12页 |
| 1.2 研究现状和发展态势 | 第12-16页 |
| 1.2.1 运用移动通信信号识别运动 | 第12-13页 |
| 1.2.2 独立运用惯性传感器识别运动 | 第13-14页 |
| 1.2.3 组合其它传感器识别运动 | 第14-15页 |
| 1.2.4 利用其他上下文信息的活动识别系统 | 第15-16页 |
| 1.3 课题价值和意义 | 第16-17页 |
| 1.4 课题工作内容 | 第17-18页 |
| 1.5 论文内容安排 | 第18-20页 |
| 第二章 相关技术的研究 | 第20-32页 |
| 2.1 机器学习的流程及方法 | 第20-23页 |
| 2.1.1 机器学习的流程 | 第20-21页 |
| 2.1.2 监督及无监督学习 | 第21-22页 |
| 2.1.3 批处理与在线学习 | 第22-23页 |
| 2.2 数据流处理 | 第23页 |
| 2.3 手机传感器 | 第23-26页 |
| 2.4 人体运动识别的过程 | 第26-31页 |
| 2.4.1 预处理传感器数据 | 第26-27页 |
| 2.4.2 数据划分 | 第27页 |
| 2.4.3 特征提取 | 第27-30页 |
| 2.4.4 分类 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 系统总体设计 | 第32-44页 |
| 3.1 设计概要 | 第33-34页 |
| 3.2 确定要识别的运动类型 | 第34-35页 |
| 3.3 外部数据获取与特征向量的计算 | 第35-37页 |
| 3.3.1 获取公开数据集 | 第35-36页 |
| 3.3.2 构造特征向量 | 第36-37页 |
| 3.3.3 距离测度的选定 | 第37页 |
| 3.4 学习算法的设计 | 第37-43页 |
| 3.4.1 CluRF算法使用的簇表示及其初始化 | 第38-39页 |
| 3.4.2 CluRF算法的描述 | 第39-40页 |
| 3.4.3 CluRF算法基分类器的选择 | 第40-43页 |
| 3.5 面向抽象类编程 | 第43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 系统详细设计与实现 | 第44-57页 |
| 4.1 应用架构 | 第44-45页 |
| 4.2 数据采集模块 | 第45-49页 |
| 4.3 运动分类模块 | 第49-52页 |
| 4.4 数据可视化 | 第52-53页 |
| 4.5 数据存储模块 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 测试和实验结果分析 | 第57-73页 |
| 5.1 影响系统性能的参数 | 第57-58页 |
| 5.2 性能度量指标 | 第58-59页 |
| 5.3 基分类器与特征集的表现性能测试 | 第59-63页 |
| 5.3.1 基分类器参数调优 | 第59-62页 |
| 5.3.2 与其它特征集的性能比较 | 第62-63页 |
| 5.4 实验评估 | 第63-71页 |
| 5.4.1 实验环境和方案 | 第63-65页 |
| 5.4.2 加速度数据分析和呈现 | 第65-66页 |
| 5.4.3 有训练阶段的测试 | 第66-68页 |
| 5.4.4 无训练阶段的测试 | 第68-69页 |
| 5.4.5 CluRF分类性能分析 | 第69-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
