| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究课题的背景和意义 | 第10-11页 |
| ·安全人居的发展和研究现状 | 第11-18页 |
| ·安全人居的研究内容 | 第11-13页 |
| ·安全人居的发展和研究现状 | 第13-15页 |
| ·信号与图像识别在安全人居的研究现状 | 第15-18页 |
| ·本文的主要内容和章节安排 | 第18-19页 |
| 第二章 基于Mean Shift的聚类分析 | 第19-47页 |
| ·引言 | 第19页 |
| ·聚类分析 | 第19-23页 |
| ·聚类分析的原理 | 第19-21页 |
| ·k-means聚类算法 | 第21-23页 |
| ·Mean Shift理论 | 第23-28页 |
| ·核密度估计 | 第23-25页 |
| ·密度梯度估计 | 第25-27页 |
| ·Mean Shift聚类算法 | 第27-28页 |
| ·仿真实验 | 第28-45页 |
| ·随机数据仿真 | 第28-37页 |
| ·时域信号的Mean Shift聚类分析 | 第37-43页 |
| ·图像仿真 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第三章 基于Mean Shift的建筑结构健康状态监控和评估方法 | 第47-68页 |
| ·引言 | 第47页 |
| ·信号预处理 | 第47-55页 |
| ·小波变换 | 第47-51页 |
| ·小波包变换 | 第51-55页 |
| ·ASCE结构损伤的小波包分解 | 第55-60页 |
| ·ASCE结构模型 | 第55-56页 |
| ·结构响应信号小波包分解及其能量分布 | 第56-60页 |
| ·基于Mean Shift的结构健康状态监测 | 第60-64页 |
| ·建筑结构损伤数据 | 第60页 |
| ·基于Mean Shift的结构健康状态监测 | 第60-64页 |
| ·基于Mean Shift质心偏移的结构健康状态评估 | 第64-66页 |
| ·聚类中心与结构健康状态 | 第64-65页 |
| ·基于质心偏移的结构健康状态评估 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第四章 基于Mean Shift的智能视频监控技术 | 第68-82页 |
| ·引言 | 第68页 |
| ·图像预处理 | 第68-72页 |
| ·图像灰度变换 | 第68-70页 |
| ·图像直方图 | 第70-71页 |
| ·图像去噪 | 第71-72页 |
| ·基于Mean Shift的智能视频监控技术 | 第72-80页 |
| ·基于Mean Shift的智能视频监控技术 | 第72-73页 |
| ·实验平台 | 第73-74页 |
| ·基于Mean Shift的智能视频监控技术实验分析 | 第74-80页 |
| ·本章小结 | 第80-82页 |
| 结论与展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第88-89页 |
| 致谢 | 第89页 |
