| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 传统型行为识别技术 | 第14-15页 |
| 1.2.2 新型行为识别技术 | 第15-16页 |
| 1.2.3 基于传感器的行为识别 | 第16-17页 |
| 1.2.4 基于步态特征的身份识别 | 第17-18页 |
| 1.3 现有研究的不足 | 第18页 |
| 1.4 研究内容与创新点 | 第18-20页 |
| 1.5 论文章节安排 | 第20-23页 |
| 第二章 背景知识与技术 | 第23-33页 |
| 2.1 智能手机传感器 | 第23-26页 |
| 2.2 数据处理 | 第26-32页 |
| 2.2.1 数据预处理 | 第26-27页 |
| 2.2.2 数据降维 | 第27-30页 |
| 2.2.3 数据分类器 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于智能手机传感器数据的基础行为识别 | 第33-45页 |
| 3.1 引言 | 第33-35页 |
| 3.2 基本思路 | 第35-36页 |
| 3.3 行为识别方法 | 第36-41页 |
| 3.3.1 基于主成分分析的数据降维 | 第37-38页 |
| 3.3.2 基于决策树的数据分类 | 第38-41页 |
| 3.4 实验分析 | 第41-44页 |
| 3.4.1 数据集 | 第41-42页 |
| 3.4.2 实验结果分析与比对 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于智能手机多传感器变化的日常行为识别 | 第45-57页 |
| 4.1 引言 | 第45-48页 |
| 4.2 基本思路 | 第48页 |
| 4.3 日常行为识别 | 第48-51页 |
| 4.3.1 基于马尔可夫链的识别 | 第49-50页 |
| 4.3.2 基于朴素贝叶斯分类器的识别 | 第50-51页 |
| 4.4 实验分析 | 第51-56页 |
| 4.4.1 实验数据采集 | 第51-53页 |
| 4.4.2 测评指标 | 第53-54页 |
| 4.4.3 实验结果 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于智能手机运动传感器数据的步态特征身份识别 | 第57-71页 |
| 5.1 引言 | 第57-59页 |
| 5.2 基本思路 | 第59-60页 |
| 5.3 空间坐标转换 | 第60-63页 |
| 5.3.1 空间坐标系统 | 第60-61页 |
| 5.3.2 欧拉角法 | 第61-63页 |
| 5.4 基于支持向量机的身份识别 | 第63-65页 |
| 5.5 实验与分析 | 第65-69页 |
| 5.5.1 特征选取 | 第65-66页 |
| 5.5.2 实验过程与分析 | 第66-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-75页 |
| 6.1 全文工作总结 | 第71-72页 |
| 6.2 未来工作展望 | 第72-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 作者简历 | 第83页 |