| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第16-24页 |
| 1.1 研究背景和意义 | 第16-18页 |
| 1.2 研究内容 | 第18-20页 |
| 1.3 主要贡献 | 第20-21页 |
| 1.4 论文结构 | 第21-24页 |
| 第2章 研究综述 | 第24-38页 |
| 2.1 群体智能算法 | 第24-33页 |
| 2.1.1 优化问题 | 第24-25页 |
| 2.1.2 群体智能优化算法 | 第25-29页 |
| 2.1.3 函数测试集 | 第29-33页 |
| 2.2 运动监测方法 | 第33-37页 |
| 2.2.1 自我评价 | 第34页 |
| 2.2.2 佩戴式监测设备 | 第34-36页 |
| 2.2.3 基于视频的方法研究 | 第36-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第3章 基于讨论机制的头脑风暴优化算法 | 第38-52页 |
| 3.1 头脑风暴过程 | 第38-39页 |
| 3.2 原始头脑风暴优化算法 | 第39-41页 |
| 3.3 基于讨论机制的头脑风暴优化算法 | 第41-46页 |
| 3.3.1 算法设计 | 第41-42页 |
| 3.3.2 算法实现 | 第42-46页 |
| 3.4 算法评估 | 第46-51页 |
| 3.4.1 实验设定 | 第46页 |
| 3.4.2 实验结果及分析 | 第46-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 DMBSO算法的改进方案 | 第52-74页 |
| 4.1 基于改进的讨论机制的头脑风暴优化算法 | 第52-56页 |
| 4.1.1 讨论机制的改进研究 | 第52-53页 |
| 4.1.2 差分步长策略 | 第53页 |
| 4.1.3 算法实现 | 第53-56页 |
| 4.2 算法评估 | 第56-73页 |
| 4.2.1 实验设定 | 第56-57页 |
| 4.2.2 实验结果及分析 | 第57-70页 |
| 4.2.3 讨论 | 第70-73页 |
| 4.3 本章小结 | 第73-74页 |
| 第5章 基于视频的非接触式运动定量分析方法 | 第74-108页 |
| 5.1 基于隐马尔可夫模型(HMM)的运动识别 | 第74-86页 |
| 5.1.1 隐马尔可夫模型 | 第74-79页 |
| 5.1.2 光流计算与特征提取 | 第79-83页 |
| 5.1.3 算法评估 | 第83-86页 |
| 5.2 运动周期计数 | 第86-89页 |
| 5.2.1 主光流计算 | 第86-87页 |
| 5.2.2 实验结果与讨论 | 第87-89页 |
| 5.3 运动强度的估测 | 第89-105页 |
| 5.3.1 基于机械能的运动强度估计 | 第89-93页 |
| 5.3.2 方法评估 | 第93-105页 |
| 5.4 本章小结 | 第105-108页 |
| 第6章 头脑风暴优化算法在运动识别中的应用 | 第108-116页 |
| 6.1 基于头脑风暴优化算法的隐马尔可夫模型训练方法 | 第108-111页 |
| 6.2 方法评估 | 第111-114页 |
| 6.2.1 实验材料 | 第111页 |
| 6.2.2 HMM模型训练评估 | 第111-112页 |
| 6.2.3 运动识别准确率评估 | 第112-114页 |
| 6.3 本章小结 | 第114-116页 |
| 第7章 总结与展望 | 第116-120页 |
| 7.1 论文工作总结 | 第116-118页 |
| 7.2 未来工作展望 | 第118-120页 |
| 参考文献 | 第120-134页 |
| 附录 攻读学位期间的学术成果 | 第134-136页 |
| 致谢 | 第136-137页 |