跌倒检测算法的研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文的主要贡献 | 第15页 |
| 1.4 本文的主要内容和章节安排 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 第二章 老年人跌倒行为分析 | 第18-22页 |
| 2.1 老年人日常行为分析 | 第18-20页 |
| 2.1.1 老年人日常行为种类 | 第18页 |
| 2.1.2 老年人日常行为加速度分析 | 第18-20页 |
| 2.2 基于加速度的跌倒检测模型 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 最小冗余最大相关跌倒特征选择算法 | 第22-34页 |
| 3.1 典型特征选择算法 | 第22-24页 |
| 3.1.1 特征选择的一般流程 | 第22-23页 |
| 3.1.2 过滤型 | 第23页 |
| 3.1.3 封装型 | 第23-24页 |
| 3.2 最小冗余最大相关跌倒特征选择算法 | 第24-26页 |
| 3.2.1 最大相关原则 | 第24-25页 |
| 3.2.2 最小冗余原则 | 第25页 |
| 3.2.3 最小冗余最大相关特征选择算法 | 第25-26页 |
| 3.3 特征选择算法实验结果分析 | 第26-33页 |
| 3.3.1 数据集滤波结果 | 第26-28页 |
| 3.3.2 数据集特征提取过程 | 第28-30页 |
| 3.3.3 算法实验过程分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于模式识别的跌倒检测分类算法 | 第34-50页 |
| 4.1 模式识别分类算法概述 | 第34-35页 |
| 4.1.1 分类问题的一般模型 | 第34页 |
| 4.1.2 分类问题的评价指标 | 第34-35页 |
| 4.2 典型模式识别算法 | 第35-45页 |
| 4.2.1 决策树 | 第36-37页 |
| 4.2.2 K近邻 | 第37-39页 |
| 4.2.3 朴素贝叶斯 | 第39-40页 |
| 4.2.4 随机森林 | 第40页 |
| 4.2.5 支持向量机 | 第40-44页 |
| 4.2.6 Adaboost | 第44-45页 |
| 4.3 分类算法结果分析 | 第45-48页 |
| 4.3.1 分类算法参数选择 | 第45-48页 |
| 4.3.2 分类算法实验结果分析 | 第48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 基于误分类代价不等的跌倒检测改进算法 | 第50-62页 |
| 5.1 类别不平衡和误分类代价不等问题概述 | 第50-51页 |
| 5.1.1 类别不平衡问题概述 | 第50页 |
| 5.1.2 误分类代价不等问题概述 | 第50-51页 |
| 5.1.3 跌倒检测数据集问题 | 第51页 |
| 5.2 类别不平衡和误分类代价不等问题分类方法 | 第51-54页 |
| 5.2.1 类别不平衡问题的常见分类方法 | 第51-52页 |
| 5.2.2 误分类代价不平衡问题常见分类方法 | 第52-53页 |
| 5.2.3 误分类代价不等问题的分类决策方法 | 第53-54页 |
| 5.3 代价敏感跌倒检测改进算法 | 第54-61页 |
| 5.3.1 代价敏感支持向量机 | 第54-57页 |
| 5.3.2 代价敏感Adaboost | 第57-59页 |
| 5.3.3 分类改进算法实验结果分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文工作总结 | 第62页 |
| 6.2 下一步研究展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
