基于智能手机平台的人体运动行为分析关键技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-10页 |
| ·研究的问题 | 第10-12页 |
| ·文章内容和组织结构 | 第12-14页 |
| 第2章 人体运动行为分析研究综述 | 第14-22页 |
| ·引言 | 第14-15页 |
| ·研究现状 | 第15-18页 |
| ·常见的流形降维方法 | 第18-20页 |
| ·模式识别概述 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于安卓智能手机平台的数据采集与预处理 | 第22-30页 |
| ·引言 | 第22页 |
| ·安卓平台的采集系统简介 | 第22-24页 |
| ·数据采集 | 第24-28页 |
| ·数据采集对象 | 第24页 |
| ·数据采集实验的实施 | 第24-25页 |
| ·传输与存储 | 第25-28页 |
| ·数据预处理和特征提取 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 一种改进的t-SNE随机邻域嵌入降维算法 | 第30-38页 |
| ·引言 | 第30页 |
| ·随机邻域嵌入算法 | 第30-33页 |
| ·目标函数 | 第30-32页 |
| ·算法流程 | 第32-33页 |
| ·基于中值滤波的随机邻域嵌入算法 | 第33-37页 |
| ·MT-SNE算法描述 | 第34-35页 |
| ·MT-SNE算法流程 | 第35-36页 |
| ·算法性能仿真实验 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于局部峰值密度的聚类算法 | 第38-49页 |
| ·引言 | 第38页 |
| ·密度峰值聚类算法 | 第38-41页 |
| ·目标函数 | 第38-40页 |
| ·算法改进 | 第40-41页 |
| ·DPC在人体运动识别的应用 | 第41-44页 |
| ·DPC算法在青年人运动识别上的应用 | 第42页 |
| ·DPC算法在老人、小孩运动识别方面的应用及对比 | 第42-43页 |
| ·各类人群数据对比 | 第43-44页 |
| ·算法性能分析 | 第44-48页 |
| ·k-means聚类 | 第44-45页 |
| ·SVM聚类 | 第45-47页 |
| ·k-means、SVM和DPC时间复杂度分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 总结和展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-58页 |
