基于概率推理的老人日常行为监测系统的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 智能家居的研究现状 | 第8-9页 |
| 1.2.2 活动建模与识别的研究现状 | 第9-10页 |
| 1.2.3 异常行为检测的发展及研究现状 | 第10-11页 |
| 1.3 本文研究内容和章节安排 | 第11-13页 |
| 第2章 理论基础 | 第13-25页 |
| 2.1 马尔科夫逻辑网络 | 第13-16页 |
| 2.1.1 命题逻辑和一阶逻辑 | 第13-15页 |
| 2.1.2 马尔科夫逻辑网络的语法和语义 | 第15-16页 |
| 2.1.3 马尔科夫逻辑网络推理 | 第16页 |
| 2.2 OWL本体 | 第16-20页 |
| 2.2.1 OWL本体的组成 | 第17页 |
| 2.2.2 OWL本体的构建 | 第17-20页 |
| 2.3 对数线性描述逻辑 | 第20-24页 |
| 2.3.1 描述逻辑 | 第20-22页 |
| 2.3.2 对数线性描述逻辑的语法和语义 | 第22-23页 |
| 2.3.3 对数线性描述逻辑推理 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于概率推理的老人日常行为监测系统设计 | 第25-37页 |
| 3.1 系统框架 | 第25-26页 |
| 3.2 系统网络设计 | 第26-28页 |
| 3.3 系统的硬件设计 | 第28-30页 |
| 3.3.1 传感信号处理电路硬件设计 | 第28-29页 |
| 3.3.2 家庭网关硬件设计 | 第29-30页 |
| 3.4 系统的软件设计 | 第30-35页 |
| 3.4.1 传感数据采集程序设计 | 第30-31页 |
| 3.4.2 家庭网关软件设计 | 第31-34页 |
| 3.4.3 云服务平台的搭建 | 第34-35页 |
| 3.4.4 移动终端APP设计 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于概率本体的老人日常活动识别 | 第37-60页 |
| 4.1 基于本体的活动识别方法 | 第37-39页 |
| 4.1.1 非概率本体方法 | 第38页 |
| 4.1.2 概率本体方法 | 第38-39页 |
| 4.2 基于对数线性概率本体的多层活动建模与识别 | 第39-48页 |
| 4.2.1 构建概率本体活动模型 | 第39-43页 |
| 4.2.2 多层活动识别算法设计 | 第43-48页 |
| 4.3 实验和评估 | 第48-58页 |
| 4.3.1 实验数据集 | 第48页 |
| 4.3.2 实验设置 | 第48-54页 |
| 4.3.3 结果与分析 | 第54-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 基于混合逻辑统计技术的老人异常行为检测 | 第60-77页 |
| 5.1 统计和逻辑方法 | 第60-61页 |
| 5.1.1 统计学习方法 | 第60-61页 |
| 5.1.2 逻辑规则方法 | 第61页 |
| 5.2 基于混合逻辑统计技术的异常行为建模与识别 | 第61-68页 |
| 5.2.1 构建异常行为模型 | 第61-63页 |
| 5.2.2 短期异常行为检测方法 | 第63-66页 |
| 5.2.3 历史行为分析方法 | 第66-68页 |
| 5.3 实验和评估 | 第68-76页 |
| 5.3.1 实验数据集 | 第68-69页 |
| 5.3.2 短期异常行为检测方法评估 | 第69-74页 |
| 5.3.3 历史行为分析方法评估 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间参与的科研项目和成果 | 第83-84页 |
| 致谢 | 第84-85页 |
