声明
第一章 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 基于手势的身份识别
1.2.2 基于行为的身份识别
1.2.3 基于触摸和按键的身份识别
1.3 本文研究内容
1.4 本文层次结构安排
第二章 模型技术理论及相关算法
2.1 机器学习概述
2.1.1 相关概念
2.1.2 相关流程
2.2 深度神经网络
2.2.1 深度学习和神经网络
2.2.2 TensorFlow
2.3 本文所用算法
2.3.1 支持向量机
2.3.2 卷积神经网络
2.3.3 循环神经网络
2.4 本章小结
第三章 传感器数据与预处理
3.1 传感器概述
3.1.1 智能手机传感器
3.1.2 传感器开发接口
3.2 数据来源
3.2.1 摇动手机数据
3.2.2 日常行为数据
3.3 预处理
3.3.1 同步处理
3.3.2 长度归一化
3.3.3 时域到频域的转换
3.3.4 间隔化
3.4 本章小结
第四章 智能手机用户识别模型
4.1 模型解决方案
4.2 时频双流融合卷积神经网络
4.2.1 时频双流卷积神经网络
4.2.2 融合卷积网络
4.3 时钟循环神经网络
4.3.1 隐藏层信息分组
4.3.2 权重矩阵上三角化
4.4 整体模型
4.4.1 模型整体结构
4.4.2 模型优化
4.4.3 模型计算过程
4.5 本章小结
第五章 实验及结果分析
5.1 实验环境
5.2 实验设置
5.2.1 卷积相关参数
5.2.2 训练集与测试集划分比例
5.2.3 时频参数比例
5.2.4 第一个系列实验
5.2.5 第二个系列实验
5.2.6 对比实验
5.3 评价指标
5.3.1 准确率
5.3.2 F1值
5.3.3 混淆矩阵
5.3.4 ROC曲线
5.3.5 AUC
5.4 实验结果
5.4.1 划分比例
5.4.2 时频权重参数的影响
5.4.3 ShakeLogin与HHAR所有行为实验结果
5.4.4 HHAR单独行为实验结果
5.4.5 对比实验结果
5.5 整体评估
5.6 本章小结
第六章 结束语
6.1 全文总结
6.2 不足与展望
致谢
参考文献
攻硕期间取得的研究成果