| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 车辆定位 | 第13-15页 |
| 1.2.2 组合导航系统 | 第15-17页 |
| 1.2.3 信息融合方法 | 第17-20页 |
| 1.3 本文工作 | 第20-21页 |
| 1.4 本文结构 | 第21-22页 |
| 第2章 车辆位置预测应用基础 | 第22-29页 |
| 2.1 GPS与INS系统特点 | 第22-23页 |
| 2.2 车辆位置预测思想 | 第23-24页 |
| 2.3 影响预测精度因素 | 第24页 |
| 2.4 车辆位置预测相关算法 | 第24-28页 |
| 2.4.1 偏二乘最小回归算法 | 第24-25页 |
| 2.4.2 神经网络算法 | 第25-26页 |
| 2.4.3 支持向量机算法 | 第26-27页 |
| 2.4.4 高斯过程回归算法 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 一种基于高斯过程回归的位置预测算法 | 第29-49页 |
| 3.1 引言 | 第29页 |
| 3.2 GPR-PSO算法的基本概念及原理 | 第29-35页 |
| 3.2.1 GPR算法原理 | 第29-33页 |
| 3.2.2 GPR-PSO算法原理 | 第33-35页 |
| 3.3 基于GPR-PSO算法的实验应用 | 第35-38页 |
| 3.3.1 分析实验数据 | 第35-37页 |
| 3.3.2 构建实验模型 | 第37页 |
| 3.3.3 算法执行流程 | 第37-38页 |
| 3.4 实验结果及分析 | 第38-47页 |
| 3.4.1 简单道路实验 | 第39-42页 |
| 3.4.2 复杂道路实验 | 第42-47页 |
| 3.5 小结 | 第47-49页 |
| 第4章 一种基于Adaboost的GPR的位置预测算法 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 基于Adaboost的GPR算法的基本概念及原理 | 第49-53页 |
| 4.2.1 Adaboost算法简介 | 第49-51页 |
| 4.2.2 基于Adaboost的GPR算法原理 | 第51-53页 |
| 4.3 基于Adaboost的GPR算法的实验应用 | 第53-54页 |
| 4.4 实验结果及分析 | 第54-60页 |
| 4.4.1 简单道路实验 | 第54-56页 |
| 4.4.2 复杂道路实验 | 第56-60页 |
| 4.5 小结 | 第60-61页 |
| 结论 | 第61-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第71-72页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第72页 |
