| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题来源及研究背景 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-21页 |
| 1.2.1 室内环境数据集 | 第12-13页 |
| 1.2.2 静态室内地点识别算法 | 第13-18页 |
| 1.2.3 近似最近邻搜索算法 | 第18-20页 |
| 1.2.4 动态地点识别算法 | 第20-21页 |
| 1.3 研究内容 | 第21-22页 |
| 第2章 室内环境数据集采集 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 公开标准数据集INDECS和IDOL2 | 第22-24页 |
| 2.3 静态数据集HIT-ISKLRS | 第24-30页 |
| 2.3.1 数据采集 | 第24-26页 |
| 2.3.2 数据分析 | 第26-30页 |
| 2.4 动态数据集HIT-VSKLRS | 第30-35页 |
| 2.4.1 数据采集 | 第30-33页 |
| 2.4.2 数据分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于聚类算法的室内地点识别算法CFI | 第36-54页 |
| 3.1 引言 | 第36页 |
| 3.2 特征和图像聚类CFI | 第36-46页 |
| 3.2.1 CFI中的特征匹配 | 第36-40页 |
| 3.2.2 CFI特征聚类 | 第40-41页 |
| 3.2.3 CFI图像聚类 | 第41-44页 |
| 3.2.4 状态惯性 | 第44-45页 |
| 3.2.5 隐马尔可夫模型HMM | 第45-46页 |
| 3.3 CFI实验和结果分析 | 第46-53页 |
| 3.3.1 测试CFI主体框架 | 第46-47页 |
| 3.3.2 预处理过程 | 第47-48页 |
| 3.3.3 状态惯性 | 第48-49页 |
| 3.3.4 综合实验 | 第49-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 基于r-nearest k-means近似最近邻搜索的快速特征匹配算法 | 第54-73页 |
| 4.1 引言 | 第54页 |
| 4.2 r-nearest k-means快速特征匹配 | 第54-59页 |
| 4.2.1 数据模型建立 | 第56-57页 |
| 4.2.2 r-nearest search近似最近邻搜索 | 第57-58页 |
| 4.2.3 特征匹配规则 | 第58-59页 |
| 4.2.4 算法时间复杂度 | 第59页 |
| 4.3 r-nearest k-means实验和结果分析 | 第59-69页 |
| 4.3.1 k-means迭代次数 | 第61-62页 |
| 4.3.2 聚类因子k和搜索因子r | 第62-65页 |
| 4.3.3 不同算法对比 | 第65-69页 |
| 4.4 r-nearest k-means优化CFI | 第69-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第5章 动态室内地点识别方法 | 第73-82页 |
| 5.1 引言 | 第73页 |
| 5.2 动态室内地点识别算法 | 第73-78页 |
| 5.2.1 模型更新 | 第73-76页 |
| 5.2.2 置信度 | 第76-77页 |
| 5.2.3 学习率 | 第77-78页 |
| 5.3 动态识别实验和结果分析 | 第78-80页 |
| 5.3.1 置信度验证 | 第78-79页 |
| 5.3.2 动态识别实验 | 第79-80页 |
| 5.4 本章小结 | 第80-82页 |
| 结论 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 攻读学位期间发表过的学术论文 | 第89-91页 |
| 致谢 | 第91页 |
