|
|
|
|
基于多源信息融合的物联网姿态识别技术研究 |
| |
| 论文目录 |
| |
| 摘要 | 第4-6页 | | ABSTRACT | 第6-8页 | | 第一章 绪论 | 第12-21页 | | 1.1 课题研究背景及意义 | 第12-13页 | | 1.2 国内外研究现状 | 第13-15页 | | 1.3 相关关键技术 | 第15-18页 | | 1.3.1 无线传感网技术 | 第15-17页 | | 1.3.2 特征提取技术 | 第17页 | | 1.3.3 特征归约技术 | 第17页 | | 1.3.4 机器学习技术 | 第17-18页 | | 1.4 研究目标及主要内容 | 第18-19页 | | 1.5 论文组织结构 | 第19-21页 | | 第二章 基于多源信息融合的特征采集与处理 | 第21-35页 | | 2.1 问题描述 | 第21页 | | 2.2 研究动机 | 第21-23页 | | 2.3 基于多源信息融合的姿态识别框架 | 第23-24页 | | 2.4 基于多源信息融合的特征采集与处理 | 第24-34页 | | 2.4.1 多源信息采集 | 第25-28页 | | 2.4.2 基于移动平均滤波的数据去噪 | 第28-30页 | | 2.4.3 基于滑动窗口的数据分割 | 第30-31页 | | 2.4.4 基于时域、频域特征的特征提取 | 第31-34页 | | 2.5 本章小结 | 第34-35页 | | 第三章 基于过滤式与封装式结合的特征选择算法 | 第35-45页 | | 3.1 问题描述 | 第35页 | | 3.2 研究动机 | 第35-37页 | | 3.3 基于过滤式与封装式结合的特征选择算法 | 第37-41页 | | 3.3.1 基于MRMR的过滤式特征选择 | 第38-40页 | | 3.3.2 基于启发式搜索的封装式特征选择 | 第40-41页 | | 3.4 实验结果与分析 | 第41-44页 | | 3.5 本章小结 | 第44-45页 | | 第四章 基于随机森林的姿态识别算法 | 第45-62页 | | 4.1 问题描述 | 第45页 | | 4.2 研究动机 | 第45-46页 | | 4.3 基于随机森林的姿态识别算法 | 第46-53页 | | 4.3.1 决策树 | 第47-49页 | | 4.3.2 CART决策树 | 第49-50页 | | 4.3.3 随机森林 | 第50-51页 | | 4.3.4 随机森林模型的参数研究 | 第51页 | | 4.3.5 其他分类算法模型的构建 | 第51-53页 | | 4.4 实验验证与分析 | 第53-60页 | | 4.4.1 评估方法与性能度量 | 第53-54页 | | 4.4.2 实验背景与目的 | 第54-55页 | | 4.4.3 基于MRMR特征初筛的分类实验结果与分析 | 第55-56页 | | 4.4.4 基于SFS特征精筛的分类实验结果及分析 | 第56-58页 | | 4.4.5 基于少量精筛特征的随机森林姿态识别实验结果及分析 | 第58-59页 | | 4.4.6 基于经典数据集的姿态识别算法验证与分析 | 第59-60页 | | 4.5 本章小结 | 第60-62页 | | 第五章 基于LORA物联网技术的姿态识别系统设计与实现 | 第62-69页 | | 5.1 问题描述 | 第62页 | | 5.2 系统总体设计 | 第62-63页 | | 5.3 系统模块设计与效果呈现 | 第63-68页 | | 5.3.1 姿态信息感知模块 | 第63-64页 | | 5.3.2 数据无线传输模型 | 第64-66页 | | 5.3.3 人体姿态识别模块 | 第66-67页 | | 5.3.4 前端模块 | 第67-68页 | | 5.4 本章小结 | 第68-69页 | | 第六章 总结与展望 | 第69-72页 | | 6.1 论文工作总结 | 第69-70页 | | 6.2 未来工作展望 | 第70-72页 | | 参考文献 | 第72-76页 | | 在学期间的研究成果 | 第76-77页 | | 致谢 | 第77页 |
|
|
|
|
论文编号BS4643349，这篇论文共77页
会员购买按0.35元/页下载，共需支付26.95元。 直接购买按0.5元/页下载，共需要支付38.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务