基于个性化人体行为识别的原发性震颤评估方法研究

目录

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