基于数据挖掘分类聚类理论的指纹法室内定位优化
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-22页 |
| ·研究背景与意义 | 第12-14页 |
| ·WLAN信号理论传输模型 | 第14-15页 |
| ·研究现状 | 第15-19页 |
| ·研究方法 | 第15-16页 |
| ·室内定位系统 | 第16-19页 |
| ·面临的挑战 | 第19-22页 |
| 2 指纹法室内定位技术 | 第22-28页 |
| ·相关概念简介 | 第22-25页 |
| ·锚点 | 第22-23页 |
| ·指纹 | 第23页 |
| ·指纹间的相似度 | 第23-24页 |
| ·信息与信息量 | 第24-25页 |
| ·室内定位系统逻辑模型 | 第25-26页 |
| ·离线阶段 | 第25-26页 |
| ·在线阶段 | 第26页 |
| ·定位系统性能评判标准 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 数据挖掘简介与室内定位结合点 | 第28-34页 |
| ·数据挖掘概念 | 第28页 |
| ·数据挖掘的基本任务 | 第28-29页 |
| ·关联分析 | 第28-29页 |
| ·聚类 | 第29页 |
| ·分类 | 第29页 |
| ·时间演变分析 | 第29页 |
| ·数据挖掘一般过程 | 第29-30页 |
| ·数据挖掘相关算法应用到室内定位 | 第30-31页 |
| ·室内定位系统与搜索引擎的异同 | 第30-31页 |
| ·算法上的相互借鉴 | 第31页 |
| ·本课题的主要工作 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 4 数据及算法相关的分析 | 第34-56页 |
| ·基础数据采集 | 第34-35页 |
| ·WKNN核函数改进 | 第35-39页 |
| ·WKNN核函数的衍进策略 | 第35-37页 |
| ·衍进的WKNN算法性能分析 | 第37-39页 |
| ·K均值聚类分析的应用 | 第39-55页 |
| ·聚类分析的种类 | 第39-45页 |
| ·聚类分析应用在室内定位系统 | 第45-47页 |
| ·基于指纹法室内定位系统修的K均值聚类 | 第47-55页 |
| ·本章小结 | 第55-56页 |
| 5 软硬件探索 | 第56-64页 |
| ·硬件平台 | 第56-59页 |
| ·人机交互界面 | 第59-60页 |
| ·软件架构 | 第60-61页 |
| ·定位软件核心逻辑流程 | 第61-62页 |
| ·整体效果 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6 结论与展望 | 第64-66页 |
| ·论文结论 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 作者简历 | 第68-72页 |
| 学位论文数据集 | 第72页 |
