基于众包数据的WIFI定位研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 定位的研究背景与意义 | 第9-11页 |
| 1.1.1 定位的研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 WIFI定位技术分析与算法研究 | 第15-28页 |
| 2.1 众包模型概述 | 第15-17页 |
| 2.2 WIFI定位方法概述 | 第17-23页 |
| 2.2.1 基于距离测量的定位方法 | 第17-21页 |
| 2.2.2 基于位置指纹的定位方法 | 第21-23页 |
| 2.3 位置指纹中定位算法的研究 | 第23-26页 |
| 2.3.1 KNN定位算法 | 第23-24页 |
| 2.3.2 概率算法 | 第24-25页 |
| 2.3.3 神经网络算法 | 第25-26页 |
| 2.4 聚类方法概述 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 WIFI定位中AP过滤方法研究 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 簇内KNN算法 | 第29-30页 |
| 3.2.1 K邻近算法描述 | 第29页 |
| 3.2.2 K邻近算法步骤 | 第29页 |
| 3.2.3 定位模型中KNN算法运用 | 第29-30页 |
| 3.3 选择方法 | 第30-34页 |
| 3.3.1 表示方法 | 第30-31页 |
| 3.3.2 序列相关性定义 | 第31-32页 |
| 3.3.3 方法描述 | 第32-34页 |
| 3.4 实验测试 | 第34-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 聚类分析数据 | 第40-60页 |
| 4.1 引言 | 第40页 |
| 4.2 K-MEANS聚类 | 第40-43页 |
| 4.2.1 K-means工作流程 | 第40-41页 |
| 4.2.3 K-means聚类算法优点 | 第41-42页 |
| 4.2.4 K-means算法流程图 | 第42页 |
| 4.2.5 K-means在场景下的应用 | 第42-43页 |
| 4.3 DBSCAN聚类 | 第43-47页 |
| 4.3.1 DBSACAN算法的基本定义 | 第44-45页 |
| 4.3.2 DBSCAN算法流程 | 第45-46页 |
| 4.3.3 DBSCAN和K-means对比 | 第46-47页 |
| 4.4 聚类的结果 | 第47-50页 |
| 4.5 AP组选择准则 | 第50-53页 |
| 4.5.1 Fisher准则算法说明 | 第52-53页 |
| 4.5.2 AP组选择算法 | 第53页 |
| 4.6 算法测试与分析 | 第53-58页 |
| 4.7 本章小结 | 第58-60页 |
| 第五章 实验系统 | 第60-70页 |
| 5.1 系统整体设计 | 第60页 |
| 5.2 RSSI测量模块 | 第60-62页 |
| 5.3 数据处理模块 | 第62-63页 |
| 5.4 定位算法模块 | 第63-65页 |
| 5.5 实验验证 | 第65-69页 |
| 5.5.1 数据源 | 第65-66页 |
| 5.5.2 实验环境 | 第66页 |
| 5.5.3 实验内容 | 第66-67页 |
| 5.5.4 试验主要步骤 | 第67-68页 |
| 5.5.5 性能评估 | 第68-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 全文总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |
