基于智能手机传感器的行为识别算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及研究意义 | 第10-13页 |
| 1.2 本文结构 | 第13-14页 |
| 第2章 相关研究技术 | 第14-24页 |
| 2.1 无线传感器平台 | 第14-17页 |
| 2.1.1 无线传感器网络体系结构概述 | 第14-16页 |
| 2.1.2 无线传感器网络特征 | 第16-17页 |
| 2.2 智能手机传感器 | 第17-18页 |
| 2.2.1 智能手机传感器技术 | 第17页 |
| 2.2.2 加速度传感器 | 第17-18页 |
| 2.3 RSSI技术 | 第18-20页 |
| 2.3.1 RSSI 原理 | 第18-19页 |
| 2.3.2 RSSI 异常判断 | 第19-20页 |
| 2.3.3 RSSI 与 Rx 的区别 | 第20页 |
| 2.4 隐马尔科夫模型 | 第20-24页 |
| 2.4.1 HMM 概念 | 第21页 |
| 2.4.2 HMM 解决的问题 | 第21-24页 |
| 第3章 基于传感器的行为识别简介及数据采集 | 第24-33页 |
| 3.1 基于传感器的行为识别简介 | 第24-27页 |
| 3.1.1 行为识别分类 | 第24-25页 |
| 3.1.2 基于传感器的行为识别的阶段 | 第25页 |
| 3.1.3 基于传感器的行为识别的方法 | 第25-27页 |
| 3.2 方法框架 | 第27-28页 |
| 3.3 数据采集 | 第28-33页 |
| 3.3.1 GPS 位置信息 | 第29-30页 |
| 3.3.2 加速度 | 第30-31页 |
| 3.3.3 RSSI 值 | 第31-33页 |
| 第4章 行为学习与识别 | 第33-42页 |
| 4.1 谱聚类算法 | 第33-37页 |
| 4.1.1 LCSS 序列距离 | 第34-35页 |
| 4.1.2 谱聚类 | 第35-36页 |
| 4.1.3 创建活动序列链 | 第36-37页 |
| 4.2 基于 HMM 的行为识别 | 第37-42页 |
| 4.2.1 行为 HMM | 第38-39页 |
| 4.2.2 活动序列训练 | 第39页 |
| 4.2.3 更新活动序列模型 | 第39-40页 |
| 4.2.4 活动序列分类 | 第40页 |
| 4.2.5 SC-HMM 算法 | 第40-41页 |
| 4.2.6 小结 | 第41-42页 |
| 第5章 实验结果与分析 | 第42-47页 |
| 5.1 实验数据 | 第42-43页 |
| 5.2 实验结果与分析 | 第43-47页 |
| 第6章 结论 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 作者简介及在学期间所取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |
