基于孪生网络的人体运动识别技术在小样本数据中的应用研究.docxVIP

基于孪生网络的人体运动识别技术在小样本数据中的应用研究

目录

基于孪生网络的人体运动识别技术在小样本数据中的应用研究（1）

内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2研究意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.3国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

孪生网络基础理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.1孪生网络概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.2孪生网络的基本结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.3孪生网络在运动识别中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

小样本数据问题分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.1小样本数据的特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.2小样本数据带来的挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.3小样本数据在运动识别中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．12

基于孪生网络的人体运动识别方法．．．．．．．．．．．．．．．．．．．．．．．．．13

4.1孪生网络在运动识别中的设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

4.2特征提取与降维．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

4.3运动分类与识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

实验设计与评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

5.1数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

5.2实验环境与参数设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

5.3实验方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

5.4评价指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

实验结果与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

6.1实验结果展示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

6.2结果分析与讨论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

6.3与其他方法的对比分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

案例研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

7.1案例背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

7.2案例实施．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

7.3案例结果与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

8.1研究结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

8.2研究不足与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

基于孪生网络的人体运动识别技术在小样本数据中的应用研究（2）

内容描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

1.2研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

1.3研究方法与框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．