| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 引言 | 第10-19页 |
| ·跌倒检测系统的概述 | 第10-13页 |
| ·跌倒检测问题的社会背景 | 第10页 |
| ·跌倒检测的课题背景 | 第10-12页 |
| ·跌倒检测系统的主要任务 | 第12-13页 |
| ·跌倒检测算法概述 | 第13-14页 |
| ·基于数据挖掘方法的 FD 算法基本流程 | 第13-14页 |
| ·一种改进的跌倒检测算法流程 | 第14页 |
| ·跌倒检测算法中的关键问题 | 第14-16页 |
| ·数据集的采集 | 第15页 |
| ·特征的选择与提取 | 第15页 |
| ·行为分类 | 第15-16页 |
| ·模型选择 | 第16页 |
| ·正确率、误识率和漏报率 | 第16页 |
| ·本文的主要研究内容及贡献 | 第16-19页 |
| ·研究内容与方法 | 第16-17页 |
| ·本文主要结构 | 第17-18页 |
| ·本文的主要创新点及贡献 | 第18-19页 |
| 第2章 相关工作 | 第19-29页 |
| ·基于不同传感器的 FD 系统 | 第19-23页 |
| ·基于加速度计 | 第19-20页 |
| ·基于联合传感器 | 第20-21页 |
| ·非加速度计方法 | 第21-23页 |
| ·加速度计 FD 系统的架构 | 第23-25页 |
| ·用于室内的 FD 系统结构 | 第23-24页 |
| ·移动跌倒检测系统 | 第24-25页 |
| ·加速度计 FD 系统所采用的模型及算法 | 第25-28页 |
| ·实时 FD 算法 | 第25-27页 |
| ·非实时 FD 算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 FD 算法特征提取 | 第29-42页 |
| ·跌倒检测的输入数据描述 | 第29-32页 |
| ·FD 算法特征提取方法介绍 | 第32-35页 |
| ·滑动窗口方法简介 | 第32页 |
| ·基于滑动窗口方法的离散特征提取 | 第32-34页 |
| ·时间序列表征的特征 | 第34-35页 |
| ·频域特征 | 第35页 |
| ·FD 算法离散特征选取实验分析 | 第35-41页 |
| ·采用 Split 与 merge 方法的特征选择 | 第36-37页 |
| ·离散特征选取的实验分析 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 跌倒检测分类算法模型 | 第42-58页 |
| ·序列数据的匹配模型 | 第42-44页 |
| ·DTW 方法介绍 | 第42-43页 |
| ·基于 DTW 方法的匹配模型 | 第43-44页 |
| ·离散特征的分类算法模型 | 第44-53页 |
| ·经典分类算法介绍 | 第44-48页 |
| ·支持向量机（Support Vector Machine） | 第48-52页 |
| ·概率输出 SVM（Probabilistic Outputs SVM） | 第52-53页 |
| ·不同分类模型的实验结果分析 | 第53-57页 |
| ·离散特征的分类算法实验结果 | 第53-54页 |
| ·SVM 方法与序列数据匹配模型的实验结果对比 | 第54-55页 |
| ·基于概率 SVM 的阈值实验结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 引入 CS 分析的 FD 算法 | 第58-69页 |
| ·CS 的引入动机 | 第58页 |
| ·CS 分析相关概念 | 第58-61页 |
| ·混淆矩阵 | 第58-59页 |
| ·风险矩阵 | 第59-60页 |
| ·风险函数 | 第60-61页 |
| ·风险函数的最优化方法 | 第61-64页 |
| ·最小风险贝叶斯方法 | 第61-62页 |
| ·基于 NP 方法的总体风险最小 | 第62-64页 |
| ·引入 CS 分析的跌倒检测算法实验结果 | 第64-65页 |
| ·后检验校正方法及相应实验结果 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第6章 结论 | 第69-72页 |
| ·论文工作小结 | 第69-70页 |
| ·未来工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第78页 |
