| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·普适计算与基于位置的服务 | 第9页 |
| ·研究背景及意义 | 第9-11页 |
| ·LBS 的市场价值及社会价值 | 第9-11页 |
| ·基于移动终端的室内定位需求 | 第11页 |
| ·本文的工作与贡献 | 第11-13页 |
| ·论文组织 | 第13-15页 |
| 第2章 移动终端定位技术现状分析 | 第15-21页 |
| ·基于 Wi-Fi 的室内定位方法 | 第15-18页 |
| ·基于传播模型的定位方法 | 第15-16页 |
| ·基于指纹的定位方法 | 第16-18页 |
| ·基于蓝牙信息的位置识别方法 | 第18-19页 |
| ·已有方法的问题 | 第19-21页 |
| 第3章 基于隐状态排序的室内定位方法 | 第21-30页 |
| ·半异构特征对定位的影响 | 第21-22页 |
| ·隐马尔可夫模型 | 第22页 |
| ·LocHMM 方法描述 | 第22-24页 |
| ·离线训练阶段 | 第23页 |
| ·在线定位阶段 | 第23-24页 |
| ·对比算法 | 第24-27页 |
| ·KNN | 第24页 |
| ·SVM | 第24-26页 |
| ·RBFNN | 第26-27页 |
| ·实验与分析 | 第27-30页 |
| ·数据采集 | 第27页 |
| ·信号平滑窗口大小对 LocHMM 方法定位准确率的影响 | 第27-28页 |
| ·隐状态数目对 LocHMM 方法定位准确率的影响 | 第28页 |
| ·LocHMM 方法定位准确率 | 第28-30页 |
| 第4章 基于决策树的室内定位增强方法 | 第30-42页 |
| ·数据采集与数据预处理 | 第30-33页 |
| ·数据采集 | 第30-31页 |
| ·数据预处理 | 第31-33页 |
| ·模型训练算法 | 第33-36页 |
| ·AdaBoost | 第33-34页 |
| ·Decision Tree | 第34-36页 |
| ·实验与分析 | 第36-42页 |
| ·时间槽大小对定位准确率的影响 | 第37-38页 |
| ·单个时间槽扫描到的蓝牙设备数目对定位准确率的影响 | 第38页 |
| ·不同机器学习算法的定位准确率比较 | 第38-39页 |
| ·蓝牙增强 Wi-Fi 定位效果 | 第39-40页 |
| ·蓝牙与 Wi-Fi 信号描能耗对比实验 | 第40-42页 |
| 第5章 基于位置的商品信息互动系统 | 第42-49页 |
| ·系统概述 | 第42-43页 |
| ·Android 平台简介 | 第43页 |
| ·系统框架 | 第43-44页 |
| ·核心模块简介 | 第44-45页 |
| ·客户端核心模块 | 第44-45页 |
| ·服务器核心模块 | 第45页 |
| ·实际运行效果 | 第45-49页 |
| 第6章 总结与展望 | 第49-51页 |
| ·本文的主要工作 | 第49页 |
| ·下一步工作 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55页 |
| 附录 A 攻读硕士学位期间发表的论文 | 第55页 |
| 附录 B 攻读硕士学位期间参与的科研项目 | 第55页 |
