基于机器学习的室内定位算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 论文组织安排 | 第18-20页 |
| 第二章 室内定位与机器学习 | 第20-40页 |
| 2.1 室内定位技术 | 第20-27页 |
| 2.1.1 依赖部署的定位系统 | 第20-23页 |
| 2.1.2 不依赖部署的定位系统 | 第23-26页 |
| 2.1.3 定位系统比较 | 第26-27页 |
| 2.2 机器学习图模型 | 第27-39页 |
| 2.2.1 贝叶斯网络 | 第27-30页 |
| 2.2.2 马尔科夫随机场 | 第30-32页 |
| 2.2.3 图模型中的推断 | 第32-39页 |
| 2.3 本章小结 | 第39-40页 |
| 第三章 基于粒子滤波的地图匹配算法研究 | 第40-57页 |
| 3.1 粒子滤波基础理论 | 第40-44页 |
| 3.1.1 贝叶斯滤波 | 第40-41页 |
| 3.1.2 贝叶斯重要性采样 | 第41-42页 |
| 3.1.3 序贯重要性采样 | 第42-43页 |
| 3.1.4 重采样 | 第43-44页 |
| 3.2 粒子滤波地图匹配算法 | 第44-51页 |
| 3.2.1 系统初始化阶段 | 第45-47页 |
| 3.2.2 粒子转移阶段 | 第47-49页 |
| 3.2.3 粒子判别阶段 | 第49-50页 |
| 3.2.4 粒子重采样阶段 | 第50-51页 |
| 3.3 实验结果 | 第51-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于条件随机场的地图匹配算法研究 | 第57-72页 |
| 4.1 条件随机场 | 第57-59页 |
| 4.2 条件随机场地图匹配算法 | 第59-67页 |
| 4.2.1 地图预处理 | 第60-62页 |
| 4.2.2 势函数的选择 | 第62-64页 |
| 4.2.3 模型训练 | 第64-66页 |
| 4.2.4 实时估计位置 | 第66-67页 |
| 4.3 实验结果 | 第67-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 个人简历及攻读硕士学位期间的研究成果 | 第80页 |
