基于RFID和深度学习的人体行为识别研究

　　本书是一部专注于无线射频识别（RFID）技术和深度学习算法在人体行为识别领域应用的专著。本书的核心主题是探索如何通过RFID技术捕获数据，并利用深度学习算法进行分析，以实现对室内环境中人体行为的准确识别。这一研究对于智能监控、健康监护、人机交互等多个领域具有重要的实际意义。本书首先介绍了研究背景，然后详细阐述了RFID和人工智能的基础知识。第三至第六章聚焦于RFID室内定位技术和行为识别，包括多模态数据方法、卷积网络和对比学习的应用，以及针对标签无附着和小样本场景的解决方案。第七章和第八章探讨了基于生成对抗网络和大语言模型的手指轨迹识别，以及对抗网络和孪生网络的行为识别算法。本书结合理论与实践，提供了全面的技术视角，并在第九章进行了总结和未来研究方向的展望，为读者提供了一个全面的技术视角。

　　杨律青 · 著厦门大学教授、博士生导师，信息学院学位评定分委员会委员、信息学院软件工程系（软件工程中心）主任、物联网与信息技术研发中心主任，厦门大学数字城市与人工智能实验室主任。兼学位中心特邀论文评审专家、厦门市信息化项目评审专家，双师型教师。 林凡 · 著林凡，厦门大学教授、博士生导师，平潭研究院院长，哈佛大学访问学者。发表SCI论文50余篇，主持多项国家级课题。在科技成果转化方面经验丰富，孵化多家高新技术企业。 隆思炜 · 著隆思炜，厦门大学人工智能研究院在读硕士研究生，本科毕业于中央财经大学信息管理与信息系统专业，研究方向为基于RFID的人体行为识别和室内定位算法。

暂缺《基于RFID和深度学习的人体行为识别研究》目录