| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 动作识别研究 | 第11-13页 |
| 1.2.2 特征选择研究 | 第13-14页 |
| 1.3 存在的问题 | 第14-15页 |
| 1.4 论文内容组织安排 | 第15-18页 |
| 第2章 上肢康复训练获取方法 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 人体动作信息采集系统 | 第18-22页 |
| 2.2.1 姿态数据解算方法 | 第18-22页 |
| 2.3 康复训练样本采集 | 第22-25页 |
| 2.3.1 动作样本数据集构成 | 第22-25页 |
| 2.3.2 特征提取 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于联合特征的特征子集区分度评价方法 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 F-score评价方法及相关研究 | 第26-28页 |
| 3.2.1 二分类F-score评价方法 | 第26-27页 |
| 3.2.2 多分类F-score评价方法 | 第27-28页 |
| 3.2.3 DFS特征子集区分度评价方法 | 第28页 |
| 3.3 问题描述 | 第28-30页 |
| 3.4 FSJF特征子集评价方法 | 第30-32页 |
| 3.5 实验方案设计 | 第32页 |
| 3.6 实验结果及分析 | 第32-39页 |
| 3.6.1 FSJF方法迭代计算 | 第34-36页 |
| 3.6.2 结合SFS方法的对比实验 | 第36-37页 |
| 3.6.3 结合SBS方法的对比实验 | 第37-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第4章 基于结构优化的DDAG-SVM动作识别方法 | 第40-56页 |
| 4.1 引言 | 第40页 |
| 4.2 SVM多分类理论 | 第40-42页 |
| 4.2.1 二分类支持向量机 | 第40-41页 |
| 4.2.2 Max-Wins多分类方法 | 第41页 |
| 4.2.3 DDAG-SVM多分类方法 | 第41-42页 |
| 4.3 SODDAG-SVM方法 | 第42-46页 |
| 4.4 多分类器构建 | 第46-49页 |
| 4.4.1 SVM二分类器的参数选择 | 第47-48页 |
| 4.4.2 二分类器的特征子集选择 | 第48页 |
| 4.4.3 二分类器组合为多分类器 | 第48-49页 |
| 4.5 实验与分析 | 第49-54页 |
| 4.5.1 二分类器的C,g参数寻优 | 第49页 |
| 4.5.2 二分类器特征子集寻优 | 第49-50页 |
| 4.5.3 多分类实验 | 第50-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 基于人体传感技术的上肢康复训练系统 | 第56-72页 |
| 5.1 引言 | 第56页 |
| 5.2 上肢康复训练系统框架 | 第56-57页 |
| 5.3 云端数据库模块 | 第57-59页 |
| 5.3.1 康复训练课程设计 | 第58-59页 |
| 5.3.2 康复训练课程数据集构建 | 第59页 |
| 5.4 患者动作评价模块 | 第59-62页 |
| 5.4.1 混合康复训练动作评价方法 | 第60-62页 |
| 5.5 人机交互训练模块 | 第62-67页 |
| 5.5.1 3D卡通人体模型构建模块 | 第62-65页 |
| 5.5.2 UI模块 | 第65-67页 |
| 5.6 系统功能测试 | 第67-70页 |
| 5.7 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-82页 |
| 致谢 | 第82页 |