| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·WSN 定位研究背景及意义 | 第7-8页 |
| ·WSN 定位算法分类 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的研究内容 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 统计学习理论与支持向量机 | 第14-22页 |
| ·定位问题的机器学习描述 | 第14-17页 |
| ·机器学习问题描述 | 第14-15页 |
| ·经验风险最小化原则 | 第15-17页 |
| ·统计学习理论 | 第17-18页 |
| ·学习过程一致性的条件 | 第17页 |
| ·VC 维与泛化能力的界 | 第17-18页 |
| ·结构风险最小化原则 | 第18页 |
| ·支持向量机 | 第18-21页 |
| ·支持向量机简介 | 第18-20页 |
| ·SVM 解决定位问题的优势 | 第20-21页 |
| ·本章小节 | 第21-22页 |
| 第三章 支持向量回归 RF 定位算法 | 第22-33页 |
| ·基于RSSI 和LQI 特征量的定位模型 | 第22-27页 |
| ·RSSI 定位 | 第22-23页 |
| ·RSSI 和LQI | 第23-25页 |
| ·支持向量回归问题 | 第25-26页 |
| ·基于RSSI 和LQI 的支持向量回归模型 | 第26-27页 |
| ·支持向量回归RF 定位算法实现 | 第27-30页 |
| ·RSSI 和LQI 数据的获取 | 第27-28页 |
| ·LS-SVM 软件包移植及核函数选择 | 第28-29页 |
| ·定位算法实现 | 第29-30页 |
| ·仿真结果与分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 支持向量分类室内符号定位和物理定位算法 | 第33-45页 |
| ·室内定位问题描述 | 第33-34页 |
| ·WSN 模型 | 第33-34页 |
| ·室内定位模型 | 第34页 |
| ·支持向量分类室内定位算法描述 | 第34-37页 |
| ·支持向量多分类问题 | 第34-36页 |
| ·室内符号定位算法描述 | 第36页 |
| ·室内物理定位算法描述 | 第36-37页 |
| ·支持向量分类室内定位算法实现 | 第37-42页 |
| ·LIBSVM 软件包介绍及移植 | 第37-38页 |
| ·核函数及其参数选择 | 第38-39页 |
| ·室内定位算法实现 | 第39-42页 |
| ·仿真结果与分析 | 第42-44页 |
| ·符号定位算法仿真结果分析 | 第42页 |
| ·物理定位算法仿真结果分析 | 第42-43页 |
| ·线性分类器LDA 与SVC 定位比较 | 第43-44页 |
| ·本章小节 | 第44-45页 |
| 第五章 基于位置指纹的 RF 定位算法 | 第45-52页 |
| ·位置指纹的概念 | 第45页 |
| ·位置指纹定位技术 | 第45-47页 |
| ·离线训练与在线定位 | 第45-46页 |
| ·匹配算法比较 | 第46-47页 |
| ·基于RSSI 和LQI 的位置指纹定位算法及实现 | 第47-51页 |
| ·算法场景及数据采集 | 第47-49页 |
| ·支持向量机定位算法 | 第49-50页 |
| ·仿真结果与分析 | 第50-51页 |
| ·本章小节 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 作者在攻读硕士期间主要研究成果 | 第60页 |