| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于非穿戴传感器的人体活动识别 | 第10-11页 |
| 1.2.2 基于穿戴传感器的人体活动识别 | 第11页 |
| 1.2.3 多用户行为感知研究现状 | 第11-13页 |
| 1.2.4 现有研究的不足 | 第13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 活动识别相关方法和技术 | 第16-24页 |
| 2.1 时间序列数据分类 | 第16-18页 |
| 2.1.1 时序数据特征提取 | 第16-17页 |
| 2.1.2 时序数据分类方法 | 第17-18页 |
| 2.2 群体行为识别方法 | 第18-23页 |
| 2.2.1 特征级融合方法 | 第19页 |
| 2.2.2 聚类算法 | 第19-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于预分类与历史活动分析的轻量级人体活动识别方法 | 第24-43页 |
| 3.1 概述 | 第24页 |
| 3.2 轻量级活动识别框架 | 第24-26页 |
| 3.3 轻量级活动识别方法研究 | 第26-32页 |
| 3.3.1 基于遗传算法的时序数据特征选择方法 | 第26-28页 |
| 3.3.2 基于时域特征的活动预分类 | 第28-30页 |
| 3.3.3 基于历史活动分析的自适应采样频率活动识别算法 | 第30-32页 |
| 3.4 实验验证与分析 | 第32-42页 |
| 3.4.1 公开数据集上验证 | 第32-34页 |
| 3.4.2 Android平台上实验设置 | 第34-35页 |
| 3.4.3 识别准确率 | 第35-37页 |
| 3.4.4 能耗与延迟 | 第37-40页 |
| 3.4.5 轻量级活动识别方法与相关研究成果对比 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于特征融合与聚类分析的群体行为识别方法 | 第43-62页 |
| 4.1 概述 | 第43-44页 |
| 4.2 群体行为识别框架 | 第44-45页 |
| 4.3 群体行为识别方法研究 | 第45-52页 |
| 4.3.1 个体活动识别与活动特征提取 | 第45-47页 |
| 4.3.2 行为特征融合 | 第47-49页 |
| 4.3.3 基于聚类分析的群体行为识别 | 第49-52页 |
| 4.4 实验验证与分析 | 第52-61页 |
| 4.4.1 实验设置 | 第52-53页 |
| 4.4.2 运动数据采集与个体活动特征提取 | 第53-56页 |
| 4.4.3 特征融合与群体行为识别 | 第56-59页 |
| 4.4.4 决策窗口大小对群体行为识别准确率的影响 | 第59-60页 |
| 4.4.5 基于加速度计的群体行为识别与其他数据来源的识别方法对比 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第68-70页 |
| 致谢 | 第70页 |
