| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 图目录 | 第13-15页 |
| 表目录 | 第15-16页 |
| 第一章 绪论 | 第16-36页 |
| ·引言 | 第16页 |
| ·课题研究背景、目的和意义 | 第16-22页 |
| ·研究背景 | 第16-21页 |
| ·研究目的和意义 | 第21-22页 |
| ·课题国内外发展及研究现状 | 第22-33页 |
| ·LBS的发展与研究现状 | 第22-26页 |
| ·基于WLAN的室内定位技术 | 第26-30页 |
| ·位置指纹室内定位技术 | 第30-33页 |
| ·本文研究的主要内容 | 第33-36页 |
| 第二章 位置指纹和WLAN定位理论 | 第36-56页 |
| ·WLAN室内定位技术 | 第36-42页 |
| ·WLAN基本工作原理 | 第36-38页 |
| ·基本定位方法 | 第38-42页 |
| ·位置指纹定位技术 | 第42-56页 |
| ·WLAN指纹定位基本工作原理 | 第42-44页 |
| ·位置指纹数据库 | 第44-48页 |
| ·数据库原始数据 | 第45-47页 |
| ·确定性方法 | 第47页 |
| ·概率分布法 | 第47-48页 |
| ·位置指纹定位算法 | 第48-56页 |
| 第三章 基于IDGD模型的定位算法 | 第56-76页 |
| ·实验环境 | 第56-57页 |
| ·RSS的统计分布特性 | 第57-68页 |
| ·RSS与位置匹配关系 | 第57-58页 |
| ·人对RSS的影响 | 第58-61页 |
| ·接收终端朝向对RSS的影响 | 第61-63页 |
| ·样本数量对RSS的影响 | 第63-68页 |
| ·基于IDGD模型的室内定位算法 | 第68-72页 |
| ·RSS分布特征 | 第68-69页 |
| ·双峰高斯模型 | 第69-71页 |
| ·基于IDGD的室内定位算法 | 第71-72页 |
| ·实验结果与分析 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第四章 RSS信号预处理 | 第76-99页 |
| ·问题引出 | 第76-77页 |
| ·成分分析与核函数 | 第77-83页 |
| ·Mercer定理 | 第78-79页 |
| ·基于核的Fisher判别分析 | 第79-80页 |
| ·核直接判别分析法(KD-LDA) | 第80-83页 |
| ·基于信息增益权重的AP选择算法 | 第83-87页 |
| ·信息增益权重准则 | 第84-86页 |
| ·信息增益计算 | 第86-87页 |
| ·联合核直判别和AP选择的定位算法 | 第87-88页 |
| ·实验结果与分析 | 第88-97页 |
| ·AP选择算法分析 | 第88-94页 |
| ·特征选择算法分析 | 第94-97页 |
| ·本章小结 | 第97-99页 |
| 第五章 基于SVR学习的室内定位算法 | 第99-122页 |
| ·问题引出 | 第99页 |
| ·聚类分块算法研究现状 | 第99-100页 |
| ·白化的RSS信号k-means聚类算法 | 第100-105页 |
| ·数据预处理 | 第103-104页 |
| ·参数设定 | 第104-105页 |
| ·基于白化RSS信号的k-means聚类与SVR学习定位算法 | 第105-108页 |
| ·实验结果与分析 | 第108-120页 |
| ·聚类算法分析 | 第108-112页 |
| ·SVR定位参数分析 | 第112-117页 |
| ·算法复杂度分析 | 第117-118页 |
| ·机器学习算法定位性能 | 第118-120页 |
| ·本章小结 | 第120-122页 |
| 第六章 总结 | 第122-125页 |
| 参考文献 | 第125-136页 |
| 致谢 | 第136-138页 |
| 个人简历 | 第138-139页 |
| 攻读博士学位期间的科研成果 | 第139-140页 |