基于可穿戴传感器的人体行为识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-11页 |
| 插表索引 | 第11-12页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 引言 | 第12页 |
| 1.2 课题研究背景及意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-20页 |
| 1.3.1 传感器行为分类方法研究现状 | 第16-17页 |
| 1.3.2 传感器行为特征研究现状 | 第17-18页 |
| 1.3.3 传感器行为识别中能耗问题现状 | 第18-20页 |
| 1.4 研究内容与主要工作 | 第20-21页 |
| 1.5 论文的内容结构 | 第21-23页 |
| 第2章 相关工作 | 第23-35页 |
| 2.1 引言 | 第23-24页 |
| 2.2 可穿戴传感器行为识别系统 | 第24-26页 |
| 2.3 基于学习的行为识别方法 | 第26-27页 |
| 2.3.1 K近邻方法 | 第26页 |
| 2.3.2 朴素贝叶斯方法 | 第26-27页 |
| 2.4 机器学习开源工具WEKA | 第27-28页 |
| 2.5 常用公开数据库 | 第28-33页 |
| 2.5.1 论文实验数据库介绍 | 第30-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 多任务行为识别结果融合方法 | 第35-52页 |
| 3.1 引言 | 第35页 |
| 3.2 稀疏表示和压缩感知理论 | 第35-37页 |
| 3.2.1 稀疏表示 | 第35-36页 |
| 3.2.2 压缩感知 | 第36-37页 |
| 3.3 多任务结果融合方法 | 第37-43页 |
| 3.3.1 行为识别模型 | 第37-40页 |
| 3.3.2 构建多任务残差模型 | 第40-43页 |
| 3.4 实验结果 | 第43-49页 |
| 3.4.1 基于WARD数据集的实验 | 第43-47页 |
| 3.4.2 基于DSAD数据集的实验 | 第47-49页 |
| 3.5 可视化模拟仿真系统 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 行为识别中的特征提取与选择 | 第52-62页 |
| 4.1 引言 | 第52页 |
| 4.2 特征提取 | 第52-55页 |
| 4.3 特征选择 | 第55-57页 |
| 4.4 实验结果与分析 | 第57-60页 |
| 4.4.1 基于WARD数据集的实验 | 第57-59页 |
| 4.4.2 基于DSAD数据集的实验 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 总结 | 第62-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 附录B 攻读硕士学位期间所参与的项目 | 第73页 |
