| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 数据手套研究及发展现状 | 第11-13页 |
| 1.2.2 手势识别技术研究现状 | 第13-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 5DT数据手套建模 | 第18-25页 |
| 2.1 手指建模分析 | 第18-19页 |
| 2.1.1 手指构架组成 | 第18-19页 |
| 2.1.2 指节约束条件 | 第19页 |
| 2.2 5DT数据手套 | 第19-24页 |
| 2.2.1 5DT数据手套原理 | 第19-20页 |
| 2.2.2 5DT数据手套的数据获取及处理 | 第20-21页 |
| 2.2.3 数据手套运动模型反演 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于RBF神经网络手势识别 | 第25-36页 |
| 3.1 RBF神经网络 | 第25-30页 |
| 3.1.1 RBF神经网络拓扑结构 | 第25-26页 |
| 3.1.2 RBF神经网络学习算法 | 第26-30页 |
| 3.2 RBF神经网络手势识别 | 第30-35页 |
| 3.2.1 手势数据处理 | 第30-32页 |
| 3.2.2 RBF神经网络参数选择 | 第32-34页 |
| 3.2.3 RBF手势识别MATLAB仿真 | 第34-35页 |
| 3.3 RBF神经网络存在的问题 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 LM遗传算法优化RBF神经网络的手势识别 | 第36-51页 |
| 4.1 遗传算法 | 第36-42页 |
| 4.1.1 遗传算法基本原理 | 第36-39页 |
| 4.1.2 遗传算法优化RBF神经网络的手势识别 | 第39-41页 |
| 4.1.3 GA-RBF手势识别MATLAB仿真 | 第41-42页 |
| 4.2 Levenberg-Marquardt算法的基础理论 | 第42-45页 |
| 4.2.1 Levenberg-Marquardt算法基本原理 | 第42-45页 |
| 4.2.2 LM算法步骤 | 第45页 |
| 4.3 LM遗传算法优化RBF神经网络 | 第45-48页 |
| 4.4 算法对比分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验平台搭建及实验验证 | 第51-58页 |
| 5.1 搭建实验平台 | 第51-53页 |
| 5.1.1 系统硬件设计 | 第51-52页 |
| 5.1.2 虚拟机器人模型设计 | 第52-53页 |
| 5.2 手势提取及匹配 | 第53-54页 |
| 5.3 应用界面开发 | 第54-57页 |
| 5.3.1 人机交互界面 | 第54-56页 |
| 5.3.2 手势识别结果 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的学术论文与专利成果 | 第66-67页 |
| 致谢 | 第67页 |