| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-13页 |
| 1.3 本文的主要内容与结构 | 第13-15页 |
| 1.3.1 论文研究内容 | 第13页 |
| 1.3.2 论文结构安排 | 第13-15页 |
| 第2章 无线传感网络用户行为识别理论基础 | 第15-25页 |
| 2.1 行为识别的方式 | 第15-18页 |
| 2.1.1 基于视频的行为监测 | 第15页 |
| 2.1.2 基于传感器的行为监测 | 第15-18页 |
| 2.2 行为识别模型介绍 | 第18-22页 |
| 2.2.1 朴素贝叶斯 | 第18-19页 |
| 2.2.2 隐马尔科夫 | 第19-20页 |
| 2.2.3 隐半马尔科夫模型 | 第20-21页 |
| 2.2.4 条件随机场 | 第21-22页 |
| 2.3 模型对比 | 第22页 |
| 2.4 用户行为识别过程描述 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 数据预处理方法与SVM/HMM混合模型 | 第25-40页 |
| 3.1 用户行为数据采集 | 第25-30页 |
| 3.1.1 室内平面图 | 第25-26页 |
| 3.1.2 数据采集软件结构 | 第26-30页 |
| 3.2 行为数据特征分析 | 第30-31页 |
| 3.3 数据预处理 | 第31-33页 |
| 3.3.1 数据特征提取 | 第31-32页 |
| 3.3.2 数据的离散化 | 第32-33页 |
| 3.4 SVM/HMM混合模型 | 第33-38页 |
| 3.4.1 支持向量机的概念与原理 | 第33-35页 |
| 3.4.2 多分类问题 | 第35-36页 |
| 3.4.3 内积核函数 | 第36页 |
| 3.4.4 混合模型的设计与分析 | 第36-38页 |
| 3.5 本章总结 | 第38-40页 |
| 第4章 基于SVM/HMM混合模型的用户行为识别 | 第40-53页 |
| 4.1 改进遗传算法获得模型矩阵初值 | 第40-45页 |
| 4.1.1 遗传算法的概念 | 第40页 |
| 4.1.2 遗传算法的步骤 | 第40-42页 |
| 4.1.3 改进的变异算子 | 第42-45页 |
| 4.2 Baum-Welch学习算法构建SVM/HMM模型库 | 第45-47页 |
| 4.3 前向对数似然概率匹配SVM/HMM模型 | 第47-50页 |
| 4.4 维特比算法解码 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 仿真与结果分析 | 第53-62页 |
| 5.1 仿真结果评估标准 | 第53-54页 |
| 5.2 仿真环境 | 第54页 |
| 5.3 仿真 | 第54-61页 |
| 5.3.1 仿真一 | 第54-59页 |
| 5.3.2 仿真二 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录A (攻读学位期间所发表的学术论文) | 第69-70页 |
| 附录B (攻读学位期间所参与的科研项目) | 第70页 |