| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外的研究现状 | 第15-21页 |
| 1.2.1 车辆定位技术 | 第15-16页 |
| 1.2.2 INS/GPS组合导航系统 | 第16-17页 |
| 1.2.3 数据融合方法 | 第17-21页 |
| 1.3 本文工作 | 第21页 |
| 1.4 本文结构 | 第21-23页 |
| 第2章 车辆位置预测理论及应用基础 | 第23-31页 |
| 2.1 GPS与INS系统的特点 | 第23-24页 |
| 2.2 预测系统干扰因素 | 第24-25页 |
| 2.3 位置预测的基本思路 | 第25-26页 |
| 2.4 车辆位置预测相关算法 | 第26-29页 |
| 2.4.1 传统的位置预测算法 | 第26页 |
| 2.4.2 神经网络算法 | 第26-28页 |
| 2.4.3 偏二乘最小回归算法 | 第28页 |
| 2.4.4 支持向量机SVM算法 | 第28-29页 |
| 2.5 小结 | 第29-31页 |
| 第3章 一种基于在线支持向量机回归的位置预测算法 | 第31-56页 |
| 3.1 引言 | 第31-32页 |
| 3.2 OL-SVR算法的基本概念及原理 | 第32-40页 |
| 3.2.1 SVR算法原理 | 第32-37页 |
| 3.2.2 OL-SVR算法原理 | 第37-40页 |
| 3.3 基于OL-SVR算法的实验应用 | 第40-45页 |
| 3.3.1 实验数据来源分析 | 第40-43页 |
| 3.3.2 实验模型构建 | 第43页 |
| 3.3.3 算法流程 | 第43-44页 |
| 3.3.4 算法复杂度 | 第44-45页 |
| 3.4 实验结果及分析 | 第45-55页 |
| 3.4.1 简单道路实验 | 第46-50页 |
| 3.4.2 复杂道路实验 | 第50-55页 |
| 3.5 小结 | 第55-56页 |
| 第4章 一种基于加权SVR的位置预测算法 | 第56-68页 |
| 4.1 引言 | 第56页 |
| 4.2 WSVR算法的基本概念及原理 | 第56-59页 |
| 4.2.1 WSVR的基本思路 | 第56-57页 |
| 4.2.2 WSVR的算法原理 | 第57-59页 |
| 4.3 基于WSVR算法的实验应用 | 第59-61页 |
| 4.3.1 算法流程 | 第59-60页 |
| 4.3.2 算法复杂度 | 第60-61页 |
| 4.4 实验结果及分析 | 第61-67页 |
| 4.4.1 简单道路实验 | 第61-63页 |
| 4.4.2 复杂道路实验 | 第63-67页 |
| 4.5 小结 | 第67-68页 |
| 第5章 基于JAVA与MATLAB的算法实验平台实现 | 第68-75页 |
| 5.1 基于JAVA平台的车辆行驶数据采集 | 第68-70页 |
| 5.2 MATLAB中OL-SVR算法的实现 | 第70-72页 |
| 5.3 基于Google Earth的数据可视化实现 | 第72-74页 |
| 5.4 小结 | 第74-75页 |
| 结论 | 第75-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第84-85页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第85页 |