| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·蜂窝通信系统定位技术现状 | 第11-12页 |
| ·GPS 定位技术 | 第11页 |
| ·信号参数定位技术 | 第11-12页 |
| ·蜂窝通信系统定位技术的发展需求 | 第12页 |
| ·研究范围和内容 | 第12-13页 |
| ·本文主要贡献 | 第13-14页 |
| ·文章组织结构 | 第14-15页 |
| 第2章 无线网络节点定位技术研究综述 | 第15-28页 |
| ·引言 | 第15页 |
| ·无线网络节点定位技术分析 | 第15-27页 |
| ·相关信号参数指标 | 第15-18页 |
| ·现有无线网络定位技术分析 | 第18-24页 |
| ·GPS 定位系统 | 第18-19页 |
| ·GSM 网络中的定位技术 | 第19-20页 |
| ·基于信号参数的无线网络定位技术 | 第20-21页 |
| ·基于DV-hop 算法的无线网络定位技术 | 第21-22页 |
| ·基于DV-distance 算法的无线网络定位技术 | 第22页 |
| ·基于 Bounding Box 算法的无线网络定位技术 | 第22-23页 |
| ·基于坐标编结的无线网络分布式定位技术 | 第23-24页 |
| ·针对蜂窝通信系统的定位技术特点与问题的分析 | 第24-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于机器学习的蜂窝通信系统定位算法 | 第28-47页 |
| ·机器学习算法的分析与选定 | 第28-34页 |
| ·机器学习经典算法 | 第28-30页 |
| ·支持向量机算法 | 第30-31页 |
| ·用于多分类的机器学习算法选定 | 第31-34页 |
| ·蜂窝通信系统网络模型 | 第34-36页 |
| ·网络模型的一般性设计 | 第35页 |
| ·网络模型具体化 | 第35-36页 |
| ·SVM 树型多分类定位算法 | 第36-43页 |
| ·多分类算法的分类情况 | 第37-38页 |
| ·多分类算法与有关定位的无线网络协议 | 第38-43页 |
| ·SVM 多分类定位算法实现 | 第39-42页 |
| ·有关定位的蜂窝无线网络协议 | 第42-43页 |
| ·基于SVM 树型多分类的定位算法性能初步分析 | 第43-45页 |
| ·小结 | 第45-47页 |
| 第4章 基于SVM 树型多分类的蜂窝通信系统定位算法优化 | 第47-65页 |
| ·SVM 多分类器优化 | 第47-54页 |
| ·正则参数与核参数的验证 | 第47-52页 |
| ·决策函数参数的训练 | 第52-54页 |
| ·基于SVM 树型多分类的定位算法与传统定位算法的定位效果比较 | 第54-58页 |
| ·针对边界问题的定位效果 | 第55-56页 |
| ·针对集中洞问题的定位效果 | 第56-58页 |
| ·基于SVM 树型多分类的定位算法局部坐标系统判定正确率研究 | 第58-60页 |
| ·SVM 树型多分类定位算法性能总体分析 | 第60-64页 |
| ·SVM 树型多分类定位算法定位结果分析 | 第60-62页 |
| ·SVM 树型多分类定位算法应用特点 | 第62-64页 |
| ·小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-70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页 |
