基于Android的典型人体运动识别算法与应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-23页 |
| ·课题研究背景及意义 | 第13-15页 |
| ·可穿戴设备与智能手机 | 第15-19页 |
| ·国内外可穿戴设备与智能手机的发展现状及趋势 | 第15-17页 |
| ·国内外人体运动识别算法研究现状 | 第17-19页 |
| ·Android平台简介 | 第19-21页 |
| ·系统架构 | 第20-21页 |
| ·平台优势 | 第21页 |
| ·本课题来源、研究内容与特色 | 第21-23页 |
| ·本课题来源 | 第21页 |
| ·本文主要研究内容 | 第21-22页 |
| ·本文研究特色 | 第22-23页 |
| 第二章 人体运动的识别与算法 | 第23-44页 |
| ·人体运动识别 | 第23-27页 |
| ·算法设计流程 | 第23-24页 |
| ·数据采集设备 | 第24页 |
| ·实验对象与数据采集 | 第24-26页 |
| ·手机位置判别 | 第26-27页 |
| ·数据处理 | 第27-31页 |
| ·数据预处理 | 第27-28页 |
| ·特征值选择 | 第28-30页 |
| ·特征值选择方法 | 第30-31页 |
| ·降低计算成本的分类器选择 | 第31页 |
| ·数据挖掘 | 第31-33页 |
| ·WEKA数据挖掘软件 | 第32-33页 |
| ·分类器 | 第33-38页 |
| ·J48决策树分类器 | 第33-34页 |
| ·贝叶斯分类器 | 第34-36页 |
| ·SMO分类器 | 第36-38页 |
| ·分类结果 | 第38-41页 |
| ·手机位置识别结果 | 第38页 |
| ·运动分类结果 | 第38-41页 |
| ·分类算法的验证 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 异常心电和跌倒报警系统的设计与实现 | 第44-60页 |
| ·系统的结构图 | 第44页 |
| ·异常心电预警 | 第44-48页 |
| ·我国的健康问题现状 | 第44-45页 |
| ·微型动态心电仪简介 | 第45-46页 |
| ·心电监测 | 第46页 |
| ·异常心电报警系统设计 | 第46-48页 |
| ·数据采集与特征值提取 | 第48-50页 |
| ·数据采集 | 第48-49页 |
| ·特征值提取 | 第49-50页 |
| ·跌倒识别算法 | 第50-56页 |
| ·现有的跌倒判别算法 | 第50-53页 |
| ·本研究的跌倒判别算法 | 第53-54页 |
| ·判别结果与分析 | 第54-56页 |
| ·跌倒报警系统设计 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 人体运动计步算法的设计与实现 | 第60-69页 |
| ·计步器的发展前景 | 第60页 |
| ·计步算法的设计 | 第60-67页 |
| ·设计流程 | 第60-62页 |
| ·数据采集 | 第62-63页 |
| ·数据预处理 | 第63-65页 |
| ·计步算法 | 第65-67页 |
| ·能量换算 | 第67页 |
| ·结果分析与讨论 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表的论文 | 第75-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78-79页 |
