基于SVM分类器的分步定位算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及研究的目的和意义 | 第9-10页 |
| ·WLAN室内定位研究现状分析 | 第10-14页 |
| ·室内定位系统及其比较 | 第10-12页 |
| ·分类算法发展现状及比较 | 第12-14页 |
| ·分区定位算法发展现状 | 第14页 |
| ·主要研究工作与本文结构 | 第14-16页 |
| 第2章 分步定位算法理论基础分析 | 第16-27页 |
| ·WLAN技术概述 | 第16-20页 |
| ·WLAN组成及拓扑结构 | 第16-18页 |
| ·WLAN技术标准1EEE802.11x | 第18-19页 |
| ·WLAN室内信道特性 | 第19-20页 |
| ·位置指纹定位算法介绍 | 第20-25页 |
| ·最近邻法 | 第21页 |
| ·K近邻法 | 第21-22页 |
| ·神经网络法 | 第22-24页 |
| ·SVM回归算法 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 改进SVM两类分类器算法研究 | 第27-39页 |
| ·SVM理论研究 | 第27-30页 |
| ·SVM分类器原理分析 | 第30-33页 |
| ·SVM在算法中模型及参数选择 | 第33-36页 |
| ·SVM改进算法研究 | 第36-38页 |
| ·本章小节 | 第38-39页 |
| 第4章 基于SVM分类器分步定位算法 | 第39-56页 |
| ·分步定位算法流程及实验环境 | 第39-41页 |
| ·空间区域的自适应划分 | 第41-44页 |
| ·区域判别 | 第44-50页 |
| ·利用均值中心将多类分类问题转化为两类分类问题 | 第44-46页 |
| ·改进的SVM两类分类器实现区域判别 | 第46-48页 |
| ·区域判别方法分析比较 | 第48-50页 |
| ·基于区域划分的位置指纹算法分析比较 | 第50-55页 |
| ·基于分区的KNN定位算法 | 第50-51页 |
| ·基于分区的神经网络定位算法 | 第51-53页 |
| ·基于SVM回归的定位算法 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
