| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 引言 | 第9-20页 |
| ·研究背景和意义 | 第9-10页 |
| ·室内定位与室外定位的比较 | 第10-12页 |
| ·现有室内定位技术比较 | 第12-14页 |
| ·室内利用无线局域网的定位方法 | 第12-13页 |
| ·室内基于地磁的定位技术 | 第13-14页 |
| ·其他室内定位技术 | 第14页 |
| ·国内外基于Wi-Fi的定位研究现状 | 第14-18页 |
| ·本文内容及主要工作 | 第18-19页 |
| ·论文的组织 | 第19-20页 |
| 第二章 室内基于Wi-Fi信号强度的定位方法 | 第20-27页 |
| ·基于Wi-Fi信号强度的定位方法 | 第20-21页 |
| ·基于指纹的定位方法 | 第21-23页 |
| ·指纹数据库的建立阶段 | 第22页 |
| ·离线训练阶段 | 第22页 |
| ·在线定位阶段 | 第22-23页 |
| ·基于指纹的经典机器学习算法模型 | 第23-25页 |
| ·定位算法的性能度量 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于加权极速学习机的定位方法 | 第27-37页 |
| ·极速学习机算法 | 第27-28页 |
| ·极速学习机算法的优势 | 第28-29页 |
| ·基于加权的极速学习机 | 第29-32页 |
| ·权重的计算方法比较 | 第32-33页 |
| ·实验验证 | 第33-35页 |
| ·实验场景及参数设置 | 第33-34页 |
| ·邻居数k的筛选确定 | 第34-35页 |
| ·验证W-ELM方法的有效性 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第四章 改进的基于在线极速学习机的定位模型更新方法 | 第37-50页 |
| ·在线极速学习机模型 | 第37-41页 |
| ·改进的基于权重影响的在线模型定位方法 | 第41-43页 |
| ·模型构建 | 第41-42页 |
| ·实验数据 | 第42-43页 |
| ·增量数据覆盖面积的权重对模型精度的影响 | 第43-45页 |
| ·权重公式计算 | 第43页 |
| ·实验验证 | 第43-45页 |
| ·增量数据新旧程度的权重对模型精度的影响 | 第45-47页 |
| ·权重公式计算 | 第45页 |
| ·实验验证 | 第45-47页 |
| ·改进的基于在线极速学习机的定位模型更新方法 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文工作总结 | 第50-51页 |
| ·下一步工作展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58页 |