| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 身份认证技术的研究现状和发展趋势 | 第9-10页 |
| 1.3 主要研究内容及结构安排 | 第10-12页 |
| 2 触摸动力学生物特征识别及其评估指标研究 | 第12-21页 |
| 2.1 概述 | 第12-13页 |
| 2.2 触摸交互行为分析 | 第13-15页 |
| 2.2.1 背景和相关工作 | 第13-14页 |
| 2.2.2 基于触摸行为的主动认证 | 第14-15页 |
| 2.3 触摸动态认证的特征 | 第15-16页 |
| 2.4 触摸动态认证的运行流程 | 第16-18页 |
| 2.4.1 数据采集和数据预处理 | 第16页 |
| 2.4.2 特征提取和模板生成 | 第16-17页 |
| 2.4.3 数据分类 | 第17页 |
| 2.4.4 决策 | 第17-18页 |
| 2.4.5 数据适配 | 第18页 |
| 2.5 评估指标 | 第18-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 机器学习算法及改进极限学习机算法研究 | 第21-32页 |
| 3.1 K最近邻 | 第21-23页 |
| 3.1.1 工作原理 | 第21-22页 |
| 3.1.2 KNN算法距离度量 | 第22-23页 |
| 3.2 支持向量机 | 第23-24页 |
| 3.3 决策树与随机森林 | 第24-26页 |
| 3.3.1 决策树 | 第24-25页 |
| 3.3.2 随机森林 | 第25-26页 |
| 3.4 人工神经网络与极限学习机 | 第26-31页 |
| 3.4.1 人工神经网络结构 | 第26-27页 |
| 3.4.2 单隐层前向神经网络 | 第27-28页 |
| 3.4.3 极限学习机 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 公开触觉数据集及识别认证算法研究 | 第32-43页 |
| 4.1 触摸交互行为的学习和分类 | 第32-33页 |
| 4.2 Touchalytics数据集和UMDAA数据集 | 第33-39页 |
| 4.2.1 Touchalytics数据集简介 | 第33-34页 |
| 4.2.2 Touchalytics数据集特征分析 | 第34-37页 |
| 4.2.3 UMDAA数据集简介 | 第37-38页 |
| 4.2.4 UMDAA数据集特征分析 | 第38-39页 |
| 4.3 识别认证算法研究 | 第39-42页 |
| 4.3.1 Touchalytics数据集实验结果及讨论 | 第39-41页 |
| 4.3.2 UMDAA数据集实验结果及讨论 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 触觉手势识别系统设计与实现 | 第43-54页 |
| 5.1 ATmega2560 开发板和矩阵压力传感器 | 第43-48页 |
| 5.1.1 Arduino简介 | 第43-44页 |
| 5.1.2 开发板简介 | 第44-47页 |
| 5.1.2.1 电源 | 第44-45页 |
| 5.1.2.2 存储器 | 第45页 |
| 5.1.2.3 输入输出 | 第45-47页 |
| 5.1.2.4 通信 | 第47页 |
| 5.1.3 矩阵压力传感器 | 第47-48页 |
| 5.2 系统软硬件架构 | 第48-51页 |
| 5.2.1 系统框图和传感器相关电路 | 第48-50页 |
| 5.2.1.1 系统框图 | 第48-49页 |
| 5.2.1.2 传感器相关电路 | 第49-50页 |
| 5.2.2 系统开发环境和软件流程 | 第50-51页 |
| 5.3 系统实现及运行分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 论文主要工作总结 | 第54页 |
| 6.2 研究方向展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录 攻读学位期间发表的学术论文 | 第62-63页 |
