本文關(guān)鍵詞：基于集成學(xué)習(xí)的人體日常行為活動(dòng)識(shí)別系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：生命在于運(yùn)動(dòng),運(yùn)動(dòng)對于保持人體健康非常重要,同時(shí)也是預(yù)防疾病的重要手段。因此,科學(xué)有效的人體運(yùn)動(dòng)分析對全民保健具有重要的意義。然而實(shí)際生活中由于缺乏科學(xué)有效的運(yùn)動(dòng)指導(dǎo)以及有效的信息反饋,使得運(yùn)動(dòng)的成效大打折扣,更有甚者會(huì)造成運(yùn)動(dòng)傷害。隨著加速度計(jì)、陀螺儀等便攜傳感器技術(shù)的出現(xiàn),使得基于可穿戴式傳感器的人體運(yùn)動(dòng)健康監(jiān)測系統(tǒng)逐漸成為科學(xué)研究與技術(shù)創(chuàng)新的熱點(diǎn)�？梢哉f,穿戴式計(jì)算以及人體日常運(yùn)動(dòng)健康分析將逐漸走入我們的生活,成為未來人體保健及疾病預(yù)防的重要技術(shù)手段。本文擬通過多傳感器融合的方式來實(shí)現(xiàn)人體日常行為活動(dòng)的準(zhǔn)確識(shí)別,重點(diǎn)研究集成學(xué)習(xí)等機(jī)器學(xué)習(xí)方法在多傳感器人體運(yùn)動(dòng)分析中的理論創(chuàng)新與應(yīng)用,從而為人體健康提供科學(xué)有效的運(yùn)動(dòng)指導(dǎo)。主要研究內(nèi)容包括以下三個(gè)方面。1.搭建了用于對人體運(yùn)動(dòng)過程中相關(guān)傳感器信號進(jìn)行實(shí)時(shí)采集的穿戴式人體傳感器網(wǎng)絡(luò),其主要感知器件包括三軸加速度傳感器和三軸數(shù)字陀螺儀。此外,為了提高穿戴式健康監(jiān)測系統(tǒng)中的能量利用率,本文在藍(lán)牙4.0技術(shù)原理之上,對傳感器信息采集、數(shù)據(jù)傳輸?shù)姆椒ㄟM(jìn)行了改進(jìn),并通過CC2541和nRF51822等主流藍(lán)牙芯片的功耗實(shí)驗(yàn)對該方法的有效性進(jìn)行了驗(yàn)證。2.綜合分析了集成學(xué)習(xí)的相關(guān)理論基礎(chǔ)以及隨機(jī)森林(Random Forest)的算法原理,并在此基礎(chǔ)之上將兩種方法進(jìn)行有機(jī)整合,融合多種穿戴位置的傳感器數(shù)據(jù)集,提出了一種基于隨機(jī)森林的集成學(xué)習(xí)識(shí)別算法,并利用公開的人體行為活動(dòng)數(shù)據(jù)庫,對該識(shí)別算法的有效性進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果表明該算法具有較好的識(shí)別效果。3.為了改善由于不同個(gè)體之間的差異性以及個(gè)體行為習(xí)慣的改變而引起的傳統(tǒng)靜態(tài)算法識(shí)別精度損失大的問題,本文提出了基于增量學(xué)習(xí)的差異化反饋調(diào)優(yōu)算法,并利用本文所構(gòu)建的穿戴式人體傳感器網(wǎng)絡(luò)與后臺(tái)識(shí)別算法對不同的實(shí)際個(gè)體進(jìn)行了相關(guān)實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本算法有效地提高了系統(tǒng)的準(zhǔn)確性、差異性和動(dòng)態(tài)性�？偟膩碚f,本文以人體日常行為活動(dòng)狀態(tài)識(shí)別技術(shù)為基礎(chǔ),結(jié)合可穿戴式人體傳感器網(wǎng)絡(luò)、信號處理、無線通信、機(jī)器學(xué)習(xí)等相關(guān)技術(shù),開發(fā)了人體日常行為活動(dòng)監(jiān)測的硬件平臺(tái)與軟件算法,最后通過具體對應(yīng)的軟硬件驗(yàn)證實(shí)驗(yàn),證明了本系統(tǒng)的可靠性與有效性。
【關(guān)鍵詞】：人體行為活動(dòng)識(shí)別 藍(lán)牙4.0 集成學(xué)習(xí)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP212.9;TP274
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-19
• 1.1 研究背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 研究現(xiàn)狀10-14
• 1.2.2 主要存在的問題14
• 1.3 本文主要研究內(nèi)容14-16
• 1.4 論文組織結(jié)構(gòu)16-19
• 第二章 人體日常行為活動(dòng)識(shí)別系統(tǒng)整體方案19-33
• 2.1 引言19
• 2.2 行為識(shí)別系統(tǒng)整體框架設(shè)計(jì)19-21
• 2.3 人體傳感器網(wǎng)絡(luò)信息采集系統(tǒng)設(shè)計(jì)21-26
• 2.3.1 行為活動(dòng)信息采集單元硬件模塊21-23
• 2.3.2 行為活動(dòng)信息采集單元軟件設(shè)計(jì)23-26
• 2.4 軟件框架搭建與交互接口設(shè)計(jì)26-31
• 2.4.1 移動(dòng)端程序設(shè)計(jì)26-29
• 2.4.2 基于藍(lán)牙4.0的數(shù)據(jù)交互信息流示例29-30
• 2.4.3 服務(wù)器端軟件設(shè)計(jì)30-31
• 2.5 本章小結(jié)31-33
• 第三章 基于藍(lán)牙4.0的低功耗數(shù)據(jù)傳輸方案設(shè)計(jì)33-43
• 3.1 引言33
• 3.2 可穿戴設(shè)備的能耗問題33-34
• 3.3 基于藍(lán)牙4.0的低功耗數(shù)據(jù)傳輸方案34-37
• 3.3.1 藍(lán)牙4.0簡介34
• 3.3.2 低功耗數(shù)據(jù)傳輸方案設(shè)計(jì)34-37
• 3.4 低功耗數(shù)據(jù)傳輸實(shí)驗(yàn)測試與結(jié)果37-41
• 3.4.1 實(shí)驗(yàn)方案設(shè)計(jì)37-38
• 3.4.2 實(shí)驗(yàn)結(jié)果38-41
• 3.5 本章小結(jié)41-43
• 第四章 基于隨機(jī)森林與集成學(xué)習(xí)的人體行為活動(dòng)識(shí)別算法設(shè)計(jì)43-66
• 4.1 引言43
• 4.2 集成學(xué)習(xí)與隨機(jī)森林算法基本原理43-47
• 4.2.1 集成學(xué)習(xí)基本原理43-45
• 4.2.2 隨機(jī)森林算法原理45-47
• 4.3 基于隨機(jī)森林與集成學(xué)習(xí)的人體行為活動(dòng)識(shí)別算法設(shè)計(jì)47-60
• 4.3.1 數(shù)據(jù)獲取與預(yù)處理47-51
• 4.3.2 特征的選擇與提取51-53
• 4.3.3 集成學(xué)習(xí)識(shí)別模型的構(gòu)建53-55
• 4.3.4 差異化權(quán)重決策融合算法55-59
• 4.3.5 模型的性能評估59-60
• 4.4 實(shí)驗(yàn)結(jié)果與分析60-64
• 4.4.1 實(shí)驗(yàn)設(shè)計(jì)60-62
• 4.4.2 實(shí)驗(yàn)結(jié)果62-64
• 4.5 本章小結(jié)64-66
• 第五章 基于增量學(xué)習(xí)的差異化反饋調(diào)優(yōu)設(shè)計(jì)66-77
• 5.1 引言66
• 5.2 增量學(xué)習(xí)基本原理66-67
• 5.3 基于增量學(xué)習(xí)的差異化反饋調(diào)優(yōu)67-72
• 5.3.1 Learn++算法概述67-69
• 5.3.2 基于Learn++算法的差異化反饋調(diào)優(yōu)69-72
• 5.4 實(shí)驗(yàn)驗(yàn)證72-74
• 5.5 實(shí)驗(yàn)結(jié)果74-75
• 5.6 本章小結(jié)75-77
• 第六章 總結(jié)與展望77-79
• 6.1 總結(jié)77-78
• 6.2 展望78-79
• 致謝79-81
• 參考文獻(xiàn)81-87
• 攻讀碩士期間取得學(xué)術(shù)成果87

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 李軍懷;嚴(yán)其松;王志曉;魏嵬;張t

本文編號：479200