| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·相关领域研究现状 | 第12-18页 |
| ·脑卒中上肢运动功能评定常用方法 | 第12-13页 |
| ·ICF 研究及应用现状 | 第13-16页 |
| ·躯体传感网在运动功能评定中的应用 | 第16-18页 |
| ·论文结构安排 | 第18-19页 |
| 第二章 脑卒中 ICF 自动评估系统设计 | 第19-25页 |
| ·Fugl-Meyer 量表与 ICF 相关联 | 第19-20页 |
| ·选取评估动作 | 第20-21页 |
| ·确定 ICF 类目限定值 | 第21-22页 |
| ·本章小结 | 第22-25页 |
| 第三章 实验设计及数据采集 | 第25-29页 |
| ·数据采集系统介绍 | 第25-26页 |
| ·实验设计 | 第26-28页 |
| ·对象和资料 | 第26-27页 |
| ·实验流程 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 Fugl-Meyer 量表自动评估模型 | 第29-47页 |
| ·支持向量回归（SVR）简介 | 第29-34页 |
| ·支持向量分类机 | 第29-32页 |
| ·支持向量回归机 | 第32-34页 |
| ·极限学习机（ELM）简介 | 第34-37页 |
| ·Fugl-Meyer 肩肘部分得分自动预测模型 | 第37-43页 |
| ·原始数据预处理 | 第37-38页 |
| ·运动特征提取 | 第38-39页 |
| ·基于 SVR 的预测模型 | 第39-41页 |
| ·基于 ELM 的预测模型 | 第41-42页 |
| ·结果分析 | 第42-43页 |
| ·Fugl-Meyer 腕手部分得分自动预测 | 第43-45页 |
| ·运动特征提取 | 第43-44页 |
| ·预测模型及结果分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 模型改进研究 | 第47-57页 |
| ·基于混合激活函数的 ELM 模型 | 第47-49页 |
| ·特征选择 | 第49-54页 |
| ·特征选择概述 | 第49-50页 |
| ·遗传算法简介 | 第50-52页 |
| ·基于遗传算法和 Hybrid-ELM 的特征选择 | 第52-54页 |
| ·结果分析 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录 Fugl-Meyer 运动功能评价量表（上肢） | 第63-67页 |
| 在学期间学术成果情况 | 第67-68页 |
| 指导教师及作者简介 | 第68-69页 |
| 致谢 | 第69页 |