| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 WLAN室内定位研究现状 | 第10页 |
| 1.2.2 流形学习研究现状 | 第10-11页 |
| 1.3 主要研究内容和结构安排 | 第11-14页 |
| 第2章WLAN室内定位的理论基础 | 第14-22页 |
| 2.1 经典WLAN室内定位算法分析 | 第14-15页 |
| 2.2 流形学习的理论基础 | 第15-18页 |
| 2.3 现有的降维算法分析 | 第18-21页 |
| 2.3.1 线性降维方法 | 第18页 |
| 2.3.2 等距映射法 | 第18-19页 |
| 2.3.3 局部嵌入算法 | 第19-20页 |
| 2.3.4 BP神经网络压缩法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 局部线性嵌入算法研究 | 第22-41页 |
| 3.1 局部嵌入算法概述 | 第22-23页 |
| 3.2 算法理论模型分析 | 第23-30页 |
| 3.2.1 邻域图的搜索和确定 | 第23-24页 |
| 3.2.2 重构权值矩阵的建立 | 第24-27页 |
| 3.2.3 低维嵌入的导出 | 第27-30页 |
| 3.3 算法性能仿真及分析 | 第30-40页 |
| 3.3.1 LLE降维算法仿真 | 第30-34页 |
| 3.3.2 参数变化对降维结果的影响 | 第34-37页 |
| 3.3.3 基于改进距离的局部嵌入算法分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于流形对齐和BP网络的定位算法 | 第41-60页 |
| 4.1 非监督局部嵌入算法的局限性 | 第41-42页 |
| 4.2 基于流形对齐的在线数据匹配仿真分析 | 第42-47页 |
| 4.2.1 绝对坐标法 | 第43-44页 |
| 4.2.2 相对关系法 | 第44-45页 |
| 4.2.3 算法比较分析和仿真结果 | 第45-47页 |
| 4.3 基于BP神经网络再降维的算法性能分析 | 第47-59页 |
| 4.3.1 BP神经网络算法的理论分析和建模 | 第47-50页 |
| 4.3.2 基于BP神经网络的压缩重构仿真分析 | 第50-57页 |
| 4.3.3 基于BP神经网络和流形对齐的改进算法仿真分析 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |