基于智能手机传感器的室内空间用户行为识别研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 主要研究工作和论文结构 | 第11-13页 |
| 1.3.1 研究工作 | 第11-12页 |
| 1.3.2 论文结构 | 第12-13页 |
| 第2章 室内用户行为模式分析 | 第13-21页 |
| 2.1 行为识别原理 | 第13-16页 |
| 2.1.1 人体运动参数 | 第13-15页 |
| 2.1.2 行为识别主要过程 | 第15-16页 |
| 2.2 用户的行为模式及数据特征 | 第16-20页 |
| 2.2.1 加速度传感器数据特征 | 第17-18页 |
| 2.2.2 方向传感器数据特征 | 第18-19页 |
| 2.2.3 磁场传感器数据特征 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 行为识别算法研究 | 第21-30页 |
| 3.1 基于KNN算法的行为识别模型 | 第21-24页 |
| 3.1.1 KNN算法原始模型 | 第21-22页 |
| 3.1.2 KNN算法的主要缺陷及改善方法 | 第22-23页 |
| 3.1.3 针对行为数据进行训练样本裁剪 | 第23-24页 |
| 3.2 基于HMM的行为识别模型 | 第24-29页 |
| 3.2.1 HMM模型介绍 | 第24-26页 |
| 3.2.2 用户行为识别模型训练 | 第26-28页 |
| 3.2.3 建立隐式马尔可夫模型 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 智能手机传感器数据获取与预处理 | 第30-45页 |
| 4.1 智能手机传感器介绍 | 第30-32页 |
| 4.1.1 加速度传感器 | 第30-31页 |
| 4.1.2 方向传感器 | 第31-32页 |
| 4.1.3 磁传感器 | 第32页 |
| 4.2 基于ANDROID平台的数据获取程序开发 | 第32-38页 |
| 4.2.1 ANDROID开源平台 | 第33页 |
| 4.2.2 数据获取程序的开发 | 第33-38页 |
| 4.2.2.1 系统需求 | 第33-35页 |
| 4.2.2.2 软件功能实现 | 第35-38页 |
| 4.2.2.3 工作流程 | 第38页 |
| 4.3 原始数据预处理 | 第38-44页 |
| 4.3.1 行为数据误差源分析 | 第38-40页 |
| 4.3.2 行为数据去噪与分割 | 第40-42页 |
| 4.3.2.1 平滑去噪 | 第40-42页 |
| 4.3.2.2 数据分割 | 第42页 |
| 4.3.3 特征提取 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-52页 |
| 5.1 基于KNN算法的行为识别实验 | 第45-49页 |
| 5.1.1 行为实验设计 | 第45-46页 |
| 5.1.2 实验结果分析 | 第46-49页 |
| 5.2 基于HMM方法的行为识别实验 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
