| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·人体外骨骼系统的研究背景和应用价值 | 第10-12页 |
| ·外骨骼系统研究背景 | 第10-11页 |
| ·外骨骼系统相关科学技术领域 | 第11-12页 |
| ·外骨骼系统社会应用价值 | 第12页 |
| ·外骨骼系统下肢动作识别技术研究现状 | 第12-17页 |
| ·外骨骼系统研究现状 | 第13-15页 |
| ·外骨骼感知控制系统及下肢动作识别技术 | 第15-17页 |
| ·论文研究内容和技术方案 | 第17-18页 |
| ·论文内容的组织安排 | 第18-19页 |
| 第二章 人体下肢关节运动和步态分析 | 第19-35页 |
| ·人体生物力学基础 | 第19-20页 |
| ·人体下肢运动分析 | 第20-25页 |
| ·髋关节的生物力学运动 | 第20-21页 |
| ·膝关节的生物力学运动 | 第21-23页 |
| ·踝关节和足部生物力学运动 | 第23-25页 |
| ·人体自然步态下的数据表征 | 第25-28页 |
| ·人体自然步态的划分和识别 | 第28-30页 |
| ·步态分析实验及数据 | 第30-32页 |
| ·外骨骼系统步态分析及划分 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第三章 机器学习在外骨骼系统步态识别中的应用 | 第35-57页 |
| ·外骨骼系统机器学习结构和原则 | 第35-36页 |
| ·机器学习实验方案 | 第36-37页 |
| ·外骨骼系统感知数据采集及输入准备 | 第37-39页 |
| ·原始传感数据的预处理和分析 | 第39-47页 |
| ·数据的无监督式分析 | 第39-40页 |
| ·数据的关联分析 | 第40-41页 |
| ·传感器数据的属性选择 | 第41-43页 |
| ·异常样本检测 | 第43-46页 |
| ·针对监督学习样本中属性的相关性分析 | 第46-47页 |
| ·机器学习分类算法的研究和应用 | 第47-56页 |
| ·决策树算法的应用 | 第48-50页 |
| ·K最近邻规则 | 第50-54页 |
| ·贝叶斯分类器 | 第54-55页 |
| ·神经网络 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第四章 基于机器学习的步态分类识别评估 | 第57-68页 |
| ·单个机器学习分类模型的结果评估 | 第57-58页 |
| ·交叉验证方法 | 第57页 |
| ·预测性能 | 第57-58页 |
| ·不同机器学习分类模型的评估分析 | 第58-62页 |
| ·成本敏感分类学习 | 第58-59页 |
| ·不同分类器的成本曲线 | 第59-61页 |
| ·机器学习分类器评估指标集 | 第61-62页 |
| ·机器学习的仿真评估 | 第62-67页 |
| ·小结 | 第67-68页 |
| 第五章 基于机器学习分类模型的外骨骼感知子系统实现 | 第68-79页 |
| ·外骨骼系统骨架 | 第68-69页 |
| ·外骨骼机器学习感知子系统设计 | 第69-73页 |
| ·机器学习感知逻辑 | 第69-71页 |
| ·多传感器感知方案 | 第71-72页 |
| ·感知子系统体系结构 | 第72-73页 |
| ·外骨骼感知子系统实现 | 第73-74页 |
| ·决策树分类模型在线步态识别评估 | 第74-77页 |
| ·机器学习感知子系统的总体评估 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第六章 总结和展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻硕期间取得的研究成果 | 第86-87页 |