基于小波变换和支持向量机相结合的步态识别新方法研究的任务书任务描述：步态识别是人体生物特征识别中的一种重要方法，具有广泛的应用前景。随着小波变换和支持向量机算法的发展，将二者相结合用于步态识别已经成为了近年来的研究热点之一。本任务旨在研究基于小波变换和支持向量机相结合的步态识别新方法，并探索其在实际应用中的效果。任务目标：1.搜集并分析当前小波变换和支持向量机在步态识别中的应用状况及发展趋势。2.研究小波变换在步态识别中的应用，包括小波变换的基本原理、特点和算法，以及小波变换在步态识别中的优势和局限性等。3.研究支持向量机(SVM)在步态识别中的应用，包括支持向量机的基本原理、特点和算法，以及支持向量机在步态识别中的优势和局限性等。4.探讨小波变换和支持向量机相结合的步态识别方法，包括数据预处理、特征提取、特征选择、分类器设计等方面。5.搭建小波变换和支持向量机相结合的步态识别系统，并进行实验验证。6.对比该方法与其他现有步态识别方法在准确率、召回率、精确率等指标上的优劣。任务步骤：1.搜集相关文献，了解小波变换和支持向量机在步态识别中的应用状况及发展趋势。2.学习小波变换和支持向量机的基本原理、算法和应用。3.针对小波变换和支持向量机在步态识别中的特点和局限性，提出将两者相结合的步态识别新方法。4.设计数据预处理和特征提取、特征选择、分类器设计等步骤，并实现步态识别系统。5.通过实验验证该方法的准确率、召回率、精确率等指标，并与其他方法进行对比。6.撰写研究报告，总结任务完成情况并提出下一步研究方向。任务成果：1.小波变换和支持向量机在步态识别中的应用状况及发展趋势的调研报告。2.小波变换和支持向量机原理和算法的学习笔记。3.将小波变换和支持向量机相结合的步态识别方案的详细设计和实现。4.项目实验结果及分析报告。5.研究报告。