声明
摘要
图目录
表目录
主要符号表
1 绪论
1.1 研究背景与意义
1.1.1 人体日常动作识别的应用领域
1.1.2 人体日常动作识别的技术特征
1.2 基于惯性传感器的人体日常动作识别方法的研究现状
1.2.1 数据采集系统
1.2.2 数据预处理
1.2.3 特征提取
1.2.4 特征选择
1.2.5 分类器设计
1.3 相关问题及研究现状
1.3.1 传感器固定位置偏差问题的研究现状
1.3.2 不均衡数据问题的研究现状
1.3.3 传感器交叉位置问题的研究现状
1.4 本文的主要工作和结构安排
2 日常动作识别中EEMD特征提取和基于博弈论的特征选择
2.1 引言
2.2 特征提取
2.2.1 经验模态分解
2.2.2 集合经验模态分解
2.2.3 EEMD特征的提取
2.3 基于博弈论的特征选择方法研究
2.3.1 信息评价指标
2.3.2 特征相关性度量
2.3.3 联盟博弈
2.3.4 特征选择过程
2.3.5 基于博弈论的特征选择方法
2.4 实验平台及实验数据
2.5 实验结果分析
2.5.1 EEMD特征对分类的影响
2.5.2 传感器固定位置对分类的影响
2.5.3 特征选择方法比较
2.6 结论
3 数据分布不均衡的人体动作识别研究
3.1 引言
3.2 不均衡数据对分类器的影响分析
3.3 基于混合核方法的加权极端学习机方法研究
3.3.1 加权极端学习机
3.3.2 代价敏感度函数
3.3.3 混合核方法
3.3.4 核函数
3.4 实验数据描述和评价指标
3.4.1 评价函数
3.4.2 实验数据
3.4.3 参数选择
3.5 实验结果分析
3.5.1 ELM、Weighted ELM与MK-WELM的比较
3.5.2 统计结果分析
3.5.3 多类不均衡问题
3.5.4 准确率对比
3.6 结论
4 基于M-RKELM方法的传感器交叉位置识别研究
4.1 引言
4.2 改进的识别算法M-RKELM
4.2.1 特征提取与降维
4.2.2 M-RKELM识别算法
4.2.3 模型更新
4.3 实验数据采集
4.4 实验结果分析
4.4.1 分类算法比较
4.4.2 无模型更新算法实验
4.4.3 有模型更新算法实验
4.5 结论
5 结论与展望
5.1 结论
5.2 创新点
5.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介