基于极限学习的拉班舞谱自动生成平台的研制
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2 拉班舞谱自动生成相关工作概述 | 第16-26页 |
| 2.1 拉班舞谱简介 | 第16-19页 |
| 2.1.1 拉班舞谱谱表 | 第17-18页 |
| 2.1.2 拉班舞谱符号 | 第18-19页 |
| 2.2 运动捕捉数据采集 | 第19-25页 |
| 2.2.1 运动捕捉技术简介 | 第19-21页 |
| 2.2.2 运动捕捉实验 | 第21-22页 |
| 2.2.3 运动捕捉数据 | 第22-25页 |
| 2.3 拉班舞谱与运动捕捉数据的识别 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于极限学习的拉班舞谱自动生成算法 | 第26-45页 |
| 3.1 三维动作捕捉数据的预处理 | 第26-31页 |
| 3.1.1 三维动作捕捉数据的特征选取 | 第26-28页 |
| 3.1.2 运动捕捉数据的特征空间转换 | 第28-31页 |
| 3.2 拉班舞谱自动分割算法 | 第31-33页 |
| 3.3 基于极限学习的拉班舞谱自动生成算法研究 | 第33-42页 |
| 3.3.1 基于动态时间规整的拉班舞谱自动生成 | 第33-34页 |
| 3.3.2 基于支持向量机的拉班舞谱自动生成 | 第34-38页 |
| 3.3.3 基于极限学习的拉班舞谱自动生成 | 第38-42页 |
| 3.4 实验结果与分析 | 第42-44页 |
| 3.5 本章小节 | 第44-45页 |
| 4 自动生成舞谱平台的设计与实现 | 第45-59页 |
| 4.1 平台设计 | 第45-46页 |
| 4.2 拉班舞谱数字化记录标准设计 | 第46-49页 |
| 4.2.1 数字化拉班舞谱存储方式 | 第46-48页 |
| 4.2.2 数字化拉班舞谱解析方式 | 第48-49页 |
| 4.3 平台功能实现 | 第49-52页 |
| 4.3.1 舞谱绘制 | 第49-51页 |
| 4.3.2 舞谱校正 | 第51-52页 |
| 4.4 拉班舞谱到动作的转换 | 第52-56页 |
| 4.5 平台生成效果 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第63-65页 |
| 学位论文数据集 | 第65页 |
