| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 主要符号表 | 第9-10页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 课题来源与研究意义 | 第10-12页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究目的与意义 | 第10-12页 |
| 1.2 课题相关技术的国内外研究现状 | 第12-20页 |
| 1.2.1 人体行为识别问题定义和描述 | 第12-13页 |
| 1.2.2 行为识别相关问题研究现状 | 第13-17页 |
| 1.2.3 递归神经网络研究现状 | 第17-18页 |
| 1.2.4 时间序列分析研究现状 | 第18-20页 |
| 1.3 本文研究内容及章节安排 | 第20-24页 |
| 1.3.1 研究内容 | 第20-23页 |
| 1.3.2 章节安排 | 第23-24页 |
| 第2章 面向原子活动识别的递归神经网络模型 | 第24-30页 |
| 2.1 原始递归神经网络模型 | 第24-26页 |
| 2.2 递归神经网络原子活动识别模型设计 | 第26-29页 |
| 2.2.1 递归神经网络原子活动识别模型 | 第26-28页 |
| 2.2.2 RNN与AAR-RNN模型实验结果对比 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 递归神经网络原子活动识别算法设计与实现 | 第30-52页 |
| 3.1 原子活动数据 | 第30-32页 |
| 3.1.1 采集原始数据格式 | 第30页 |
| 3.1.2 实际实验使用数据格式 | 第30-32页 |
| 3.2 递归神经网络原子活动识别算法 | 第32-48页 |
| 3.2.1 递归神经网络原子活动识别算法评价方式 | 第32-33页 |
| 3.2.2 递归神经网络原子活动识别算法实现 | 第33-40页 |
| 3.2.3 递归神经网络原子活动识别算法复杂度分析 | 第40-41页 |
| 3.2.4 递归神经网络原子活动识别算法实验及优化 | 第41-48页 |
| 3.3 递归神经网络原子活动识别算法评价及应用效果 | 第48-51页 |
| 3.3.1 递归神经网络原子活动识别算法评价 | 第48-50页 |
| 3.3.2 递归神经网络原子活动识别算法应用效果 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于原子活动序列的复杂活动识别算法设计与实现 | 第52-58页 |
| 4.1 基于原子活动序列的复杂活动识别算法 | 第52-55页 |
| 4.1.1 复杂活动识别算法介绍 | 第52-53页 |
| 4.1.2 复杂活动识别算法流程图 | 第53-54页 |
| 4.1.3 复杂活动识别算法伪代码 | 第54-55页 |
| 4.2 复杂活动识别算法实验 | 第55-56页 |
| 4.3 复杂活动识别算法复杂度分析 | 第56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 行为识别应用系统设计与实现 | 第58-67页 |
| 5.1 行为识别应用系统-功能需求分析 | 第58-59页 |
| 5.2 递归神经网络行为识别及应用系统-具体实现 | 第59-66页 |
| 5.2.1 数据相关系统工作 | 第59-63页 |
| 5.2.2 AAR-RNN相关系统工作 | 第63-65页 |
| 5.2.3 智慧养老相关系统工作 | 第65-66页 |
| 5.3 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 致谢 | 第76页 |
