| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 论文背景 | 第10-11页 |
| 1.2 人体活动识别的发展现状 | 第11-17页 |
| 1.2.1 运动检测 | 第12-13页 |
| 1.2.2 目标分类 | 第13-14页 |
| 1.2.3 人体跟踪 | 第14-15页 |
| 1.2.4 活动分析描述 | 第15-17页 |
| 1.3 集成学习 | 第17-21页 |
| 1.3.1 算法泛化能力 | 第19页 |
| 1.3.2 弱分类器 | 第19-20页 |
| 1.3.3 分类器集成 | 第20-21页 |
| 1.4 论文研究内容 | 第21-23页 |
| 第二章 随机森林算法及其应用 | 第23-34页 |
| 2.1 随机森林算法研究现状 | 第23-32页 |
| 2.1.1 特征选择 | 第23-26页 |
| 2.1.2 决策树生长 | 第26-31页 |
| 2.1.3 分类器组合 | 第31页 |
| 2.1.4 性能评估 | 第31-32页 |
| 2.2 随机森林算法的应用 | 第32-34页 |
| 第三章 层级随机森林算法及其在人体活动识别中的应用 | 第34-50页 |
| 3.1 层级随机森林 | 第34-42页 |
| 3.1.1 单维特征 | 第34-35页 |
| 3.1.2 停止准则 | 第35-36页 |
| 3.1.3 Bootstrap Aggregation | 第36-39页 |
| 3.1.4 顶层随机森林 | 第39-40页 |
| 3.1.5 底层分支 | 第40-42页 |
| 3.2 层级随机森林的投票准则 | 第42-44页 |
| 3.3 算法流程与参数调整 | 第44-46页 |
| 3.3.1 算法流程 | 第44-45页 |
| 3.3.2 阈值参数 | 第45页 |
| 3.3.3 决策树数目 | 第45-46页 |
| 3.4 层级随机森林在人体活动识别中的应用 | 第46-48页 |
| 3.5 其他应用 | 第48-50页 |
| 第四章 层级随机森林的不平衡问题研究 | 第50-61页 |
| 4.1 不平衡问题研究现状 | 第50-53页 |
| 4.2 当前不平衡问题解决方法 | 第53-55页 |
| 4.3 层级随机森林算法中的不平衡问题及其实验分析 | 第55-61页 |
| 4.3.1 随机森林的不平衡问题分析 | 第55-57页 |
| 4.3.2 层级随机森林的不平衡问题分析 | 第57-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻博/硕期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
