| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状及难点 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-14页 |
| 1.2.2 步态分析面临的困难 | 第14-15页 |
| 1.3 本文内容及结构 | 第15-16页 |
| 第二章 确定学习理论 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 确定学习理论 | 第16-21页 |
| 2.2.1 径向基函数（RBF）神经网络 | 第16-18页 |
| 2.2.2 持续激励条件 | 第18-19页 |
| 2.2.3 动态模式的快速识别 | 第19-21页 |
| 2.3 确定学习在步态分析中的应用概况 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于Kinect和确定学习的步态识别 | 第23-38页 |
| 3.1 引言 | 第23页 |
| 3.2 步态数据库 | 第23-26页 |
| 3.2.1 CASIA步态数据库 | 第23-24页 |
| 3.2.2 自建Kinect数据库 | 第24-26页 |
| 3.3 步态识别算法 | 第26-28页 |
| 3.3.1 基于模型的方法 | 第26-27页 |
| 3.3.2 基于外观方法 | 第27-28页 |
| 3.4 基于Kinect的特征信息提取 | 第28-31页 |
| 3.4.1 Kinect简介 | 第28-29页 |
| 3.4.2 特征提取实现 | 第29-31页 |
| 3.5 步态学习和识别机制 | 第31-35页 |
| 3.5.1 双足连杆模型 | 第31-33页 |
| 3.5.2 学习机制 | 第33-34页 |
| 3.5.3 识别机制 | 第34-35页 |
| 3.6 实验 | 第35-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 系统的设计与实现 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 系统实现平台 | 第38-39页 |
| 4.3 并行计算及在确定学习理论的应用 | 第39-42页 |
| 4.4 系统设计 | 第42-48页 |
| 4.4.1 系统整体设计 | 第42-43页 |
| 4.4.2 数据采集及训练模块 | 第43-46页 |
| 4.4.3 测试模块 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于确定学习的神经退行性疾病(NDDS)分类 | 第49-63页 |
| 5.1 引言 | 第49页 |
| 5.2 神经退行性疾病步态动力学数据库 | 第49-50页 |
| 5.3 疾病分类方法 | 第50-58页 |
| 5.3.1 特征选择和提取 | 第53-57页 |
| 5.3.2 步态学习机制 | 第57页 |
| 5.3.3 疾病分类机制 | 第57-58页 |
| 5.4 实验 | 第58-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |