声明
第 1 章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究内容
1.4 论文结构
第 2 章 相关理论基础
2.1 人体行为识别
2.1.1 行为识别技术
2.1.2 行为的类别
2.2 原发性震颤评估
2.2.1 震颤评估表
2.2.2 可穿戴设备
2.3 本章小结
第 3 章 基于 dForest-HAR 的个性化人体行为识别模型
3.1 数据预处理及特征提取
3.1.1 时序信号预处理
3.1.2 特征值
3.2 基于深度森林的人体行为识别算法
3.2.1 基学习器
3.2.2 多尺度特征向量扫描
3.2.3 深度级联森林
3.3 模型个性化算法
3.3.1 选择更新树
3.3.2 更新随机森林
3.4 本章小结
第 4 章 基于 Eval-net 的原发性震颤评估模型
4.1 原发性震颤
4.1.1 原发性震颤数据集
4.1.2 震颤数据预处理
4.1.3 多维度时序信号融合算法
4.2 集成CNN和LSTM的双流震颤评估模型
4.2.1 特征重标定卷积模块
4.2.2 LSTM 模块
4.2.3 深度残差连接模块
4.3 背景活动感知的原发性震颤评估系统
4.4 本章小结
第 5 章 实验结果及分析
5.1 实验概述
1、模型的评价指标
3、运动模式
5.2 dForest-HAR个性化行为识别模型实验结果
1、公开数据集上的识别准确率
2、震颤患者背景活动的识别准确率
3、与其他模型的对比
5.3 Eval-net原发性震颤评估模型实验结果
1、识别准确率
2、与其他模型的性能对比
3、背景活动感知机制
5.4 本章小结
第 6 章 总结与展望
6.1 论文工作总结
6.2 问题和展望
参考文献
攻读学位期间取得的研究成果
致谢
上海师范大学;