声明
摘要
第一章 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.3 本文的研究内容
1.4 论文组织结构
第二章 跌倒分析与机器学习
2.1 人体跌倒模型分析
2.1.1 运动姿态分析及分类
2.1.2 跌倒过程分析
2.1.3 跌倒建模
2.2 统计学习理论
2.2.1 VC维理论
2.2.2 SRM原则
2.3 支持向量机(SVM)算法
2.3.1 广义最优分类超平面
2.3.2 核函数
2.4 K近邻分类算法
2.4.1 KNN算法基本原理
2.4.2 距离度量函数
2.5 本章小结
第三章 基于多传感器的数据采集、处理及特征提取
3.1 智能手机中的传感器
3.1.1 MEMS
3.1.2 加速度传感器
3.1.3 气压传感器
3.2 跌倒数据处理准侧
3.3 数据采集平台
3.3.1 平台整体框架
3.3.2 数据获取
3.3.3 数据传输与存储
3.3.4 数据展示
3.4 数据预处理
3.4.1 滤波处理
3.4.2 特征值提取
3.4.3 数据归一化
3.5 本章小结
第四章 网格寻参优化的SVM-KNN跌倒检测算法
4.1 基于网格搜索法的SVM参数优化
4.1.1 网格搜索法参数优化
4.1.2 遗传算法参数优化
4.1.3 粒子群算法参数优化
4.1.4 参数优化算法小结
4.2 基于参数优化的SVM老人跌倒检测
4.3 基于SVM-KNN的老人跌倒检测算法及改进
4.3.2 SVM-KNN算法的实现步骤
4.3.3 SVM-KNN算法的改进
4.4 仿真实验与分析
4.4.1 性能评价标准
4.4.2 实验结果及分析
4.5 本章小结
第五章 跌倒检测系统的设计与实现
5.2 系统整体架构
5.3 基于Android系统的手机端软件设计与实现
5.3.1 手机端软件功能需求及设计
5.3.2 数据传输
5.3.3 报警模块
5.3.4 GPS定位模块
5.3.5 界面介绍
5.4 服务器端软件设计
5.5 Web页面展示端设计与实现
5.5.1 跌倒信息展示
5.6 本章小结
第六章 系统测试及结果分析
6.1 测试环境及准备
6.2 实验设计及结果分析
6.2.1 实验设计
6.2.2 实验结果分析
6.3 报警测试
6.4 跌倒日志
6.5 本章小结
7.1 论文总结
7.2 论文展望
参考文献
致谢
攻读硕士学位期间取得的科研成果
华中师范大学;