基于深度学习的普适活动识别
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 相关研究工作 | 第12-17页 |
| 1.2.1 活动识别加速度特征 | 第12-13页 |
| 1.2.2 活动识别生理特征 | 第13-14页 |
| 1.2.3 深度特征 | 第14-15页 |
| 1.2.4 分数级融合 | 第15-16页 |
| 1.2.5 目前研究存在的不足 | 第16-17页 |
| 1.3 研究目标和内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 相关方法和技术 | 第19-27页 |
| 2.1 神经网络 | 第19-22页 |
| 2.1.1 前馈神经网络 | 第19-21页 |
| 2.1.2 目标代价函数 | 第21-22页 |
| 2.1.3 反向传播算法 | 第22页 |
| 2.2 自动编码器 | 第22-24页 |
| 2.3 卷积神经网络 | 第24-25页 |
| 2.4 Stacking分数级融合 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于深度学习的加速度传感器深度特征学习 | 第27-43页 |
| 3.1 数据采集 | 第28-30页 |
| 3.2 数据预处理 | 第30-32页 |
| 3.3 深度特征学习 | 第32-37页 |
| 3.3.1 无监督学习 | 第33-34页 |
| 3.3.2 有监督微调 | 第34-36页 |
| 3.3.3 卷积学习 | 第36-37页 |
| 3.3.4 特征分类 | 第37页 |
| 3.4 学习策略 | 第37-41页 |
| 3.4.1 不同放置方式下的学习策略 | 第37-39页 |
| 3.4.2 不同放置位置下的学习策略 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于深度学习的多传感器特征融合 | 第43-49页 |
| 4.1 生理传感器深度特征学习 | 第43-45页 |
| 4.2 多传感器数据级融合深度特征提取 | 第45-46页 |
| 4.3 多传感器深度特征特征级融合 | 第46-47页 |
| 4.4 多传感器深度特征分数级融合 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 实验评估 | 第49-65页 |
| 5.1 基于运动的简单活动识别 | 第50-54页 |
| 5.1.1 参数设置 | 第50-52页 |
| 5.1.2 不同放置方式的结果 | 第52-53页 |
| 5.1.3 不同放置位置的结果 | 第53-54页 |
| 5.2 复杂活动识别 | 第54-64页 |
| 5.2.1 仅基于加速度传感器的结果 | 第54-56页 |
| 5.2.2 仅基于生理传感器的结果 | 第56-60页 |
| 5.2.3 融合加速度传感器和生理传感器的结果 | 第60-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第6章 总结和展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-74页 |
| 攻读硕士学位期间主要的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
