基于智能手表的人体行为识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-16页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 智能可穿戴设备的发展现状 | 第12-13页 |
| 1.2.2 行为识别算法研究现状 | 第13-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2 人体行为识别研究方案 | 第16-23页 |
| 2.1 数据采集 | 第16-17页 |
| 2.2 数据的预处理 | 第17页 |
| 2.3 特征选择 | 第17-18页 |
| 2.4 行为识别算法 | 第18页 |
| 2.5 相关技术介绍 | 第18-23页 |
| 2.5.1 WatchKit架构介绍 | 第18-21页 |
| 2.5.2 Core Motion框架介绍 | 第21页 |
| 2.5.3 Webservice技术 | 第21页 |
| 2.5.4 Matlab软件介绍 | 第21-23页 |
| 3 人体行为数据采集 | 第23-28页 |
| 3.1 数据采集系统的设计与实现 | 第23-26页 |
| 3.1.1 Apple Watch传感器介绍 | 第23-24页 |
| 3.1.2 数据采集系统的实现 | 第24-26页 |
| 3.2 数据采集 | 第26-28页 |
| 4 人体行为识别算法研究 | 第28-42页 |
| 4.1 数据预处理 | 第28-29页 |
| 4.2 特征提取 | 第29-34页 |
| 4.2.1 特征量 | 第29-33页 |
| 4.2.2 特征选择 | 第33-34页 |
| 4.3 行为识别算法 | 第34-42页 |
| 4.3.1 决策树分类算法 | 第35-36页 |
| 4.3.2 朴素贝叶斯算法 | 第36-38页 |
| 4.3.3 神经网络分类算法 | 第38-42页 |
| 5 实验及结果分析 | 第42-49页 |
| 5.1 数据预处理 | 第42页 |
| 5.2 特征提取 | 第42-43页 |
| 5.3 分类识别算法的实现 | 第43-48页 |
| 5.3.1 决策树分类算法 | 第44页 |
| 5.3.2 朴素贝叶斯算法 | 第44-45页 |
| 5.3.3 BP神经网络 | 第45-48页 |
| 5.4 结果分析 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 本文工作总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第54-55页 |
| 致谢 | 第55页 |
