基于智能手机的人体运动状态分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本论文的结构安排 | 第14-16页 |
| 第二章 系统设计及数据分析 | 第16-33页 |
| 2.1 总体架构设计 | 第16页 |
| 2.2 智能手机传感器介绍 | 第16-19页 |
| 2.3 坐标系转换 | 第19-22页 |
| 2.4 数据采集模块APP实现 | 第22-24页 |
| 2.5 人体运动状态数据分析 | 第24-32页 |
| 2.5.1 数据采集条件 | 第25页 |
| 2.5.2 基本状态数据分析 | 第25-29页 |
| 2.5.3 异常状态数据分析 | 第29-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 特征提取方法及实现 | 第33-44页 |
| 3.1 数据特征提取 | 第33-37页 |
| 3.1.1 方法比较 | 第33-34页 |
| 3.1.2 双树复小波介绍 | 第34-37页 |
| 3.2 特征提取方案实现 | 第37-43页 |
| 3.2.1 双树复小波变换实现方案 | 第37-39页 |
| 3.2.2 小波基和层数选择 | 第39-41页 |
| 3.2.3 特征提取结果 | 第41-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 机器学习方法及结果分析 | 第44-69页 |
| 4.1 机器学习理论 | 第44-53页 |
| 4.1.1 算法原理 | 第44-45页 |
| 4.1.2 算法介绍 | 第45-50页 |
| 4.1.3 特征降维 | 第50-52页 |
| 4.1.4 算法评估 | 第52-53页 |
| 4.1.4.1 评估方案 | 第52-53页 |
| 4.1.4.2 评估指标 | 第53页 |
| 4.2 机器学习算法实现 | 第53-65页 |
| 4.2.1 机器学习输入 | 第54-55页 |
| 4.2.2 实例预处理 | 第55-57页 |
| 4.2.3 初步结果分析 | 第57-59页 |
| 4.2.4 参数优化 | 第59-65页 |
| 4.2.4.1 优化意义和策略 | 第59-60页 |
| 4.2.4.2 优化过程 | 第60-64页 |
| 4.2.4.3 优化结果 | 第64-65页 |
| 4.3 总结结果讨论 | 第65-68页 |
| 4.3.1 评估指标讨论 | 第65-66页 |
| 4.3.2 泛化能力讨论 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻硕期间取得的研究成果 | 第76-77页 |
