基于改进型MapReduce模型的KNN-Hybrid算法的仿真研究
| 摘要 | 第4-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 课题研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要工作及结构安排 | 第11-13页 |
| 1.3.1 主要工作 | 第11-12页 |
| 1.3.2 结构安排 | 第12-13页 |
| 第2章 位置指纹定位理论及算法分析 | 第13-29页 |
| 2.1 位置指纹定位的原理及特点 | 第13-21页 |
| 2.1.1 定位原理 | 第13页 |
| 2.1.2 定位流程 | 第13-15页 |
| 2.1.3 位置指纹的建立 | 第15-16页 |
| 2.1.4 位置指纹数据库的建立 | 第16-21页 |
| 2.2 NN-KNN算法 | 第21-25页 |
| 2.2.1 NN算法和KNN算法精度分析 | 第21-23页 |
| 2.2.2 NN-KNN算法精度分析 | 第23-24页 |
| 2.2.3 加权NN-KNN算法精度分析 | 第24-25页 |
| 2.3 KNN-Hybrid算法 | 第25页 |
| 2.4 位置定位的其他相关算法 | 第25-28页 |
| 2.4.1 神经网络算法 | 第25-26页 |
| 2.4.2 概率算法 | 第26-27页 |
| 2.4.3 模糊逻辑算法 | 第27页 |
| 2.4.4 支持向量机算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于云计算的位置指纹定位模型 | 第29-39页 |
| 3.1 MapReduce模型 | 第30-32页 |
| 3.1.1 编程模式 | 第30-31页 |
| 3.1.2 执行流程 | 第31-32页 |
| 3.2 基于MapReduce的改进模型 | 第32-38页 |
| 3.2.1 基本MapReduce模型框架 | 第33-35页 |
| 3.2.2 改进型MapReduce模型框架 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 算法仿真及性能分析 | 第39-50页 |
| 4.1 仿真测试模型 | 第39页 |
| 4.2 仿真实验 | 第39-49页 |
| 4.2.1 NN-KNN算法仿真性能分析 | 第40-44页 |
| 4.2.2 KNN-Hybrid算法仿真性能分析 | 第44-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 下一步工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介 | 第55-56页 |
| 致谢 | 第56页 |
