| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第10-11页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 室内定位技术研究现状 | 第13-16页 |
| 1.2.2 室内WLAN定位技术研究现状 | 第16-18页 |
| 1.2.3 基于支持向量机的室内WLAN定位技术研究现状 | 第18-19页 |
| 1.2.4 基于半监督学习的室内WLAN定位技术的研究现状 | 第19页 |
| 1.3 论文主要工作 | 第19-20页 |
| 1.4 论文结构安排 | 第20-22页 |
| 第2章 室内WLAN指纹定位理论基础 | 第22-35页 |
| 2.1 引言 | 第22页 |
| 2.2 室内WLAN指纹定位基本原理 | 第22-23页 |
| 2.3 室内WLAN指纹定位系统结构 | 第23-25页 |
| 2.4 典型室内WLAN指纹定位方法 | 第25-28页 |
| 2.5 支持向量机 | 第28-31页 |
| 2.6 半监督学习 | 第31-34页 |
| 2.6.1 半监督学习方法 | 第32-33页 |
| 2.6.2 半监督协同训练方法 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 基于半监督学习的室内WLAN支持向量回归定位算法 | 第35-46页 |
| 3.1 引言 | 第35-36页 |
| 3.2 支持向量回归预测模型 | 第36-42页 |
| 3.2.1 预测模型构建 | 第36-39页 |
| 3.2.2 参数选择 | 第39-42页 |
| 3.3 传统FCO-SVR算法 | 第42-43页 |
| 3.4 FCO-SVR算法改进 | 第43-45页 |
| 3.4.1 FCO-SVR算法分析 | 第43-44页 |
| 3.4.2 FCO-SVR算法改进 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 实验结果与分析 | 第46-61页 |
| 4.1 引言 | 第46页 |
| 4.2 仿真环境结果分析 | 第46-53页 |
| 4.2.1 时间开销分析 | 第47-48页 |
| 4.2.2 定位性能分析 | 第48-53页 |
| 4.3 办公环境下结果分析 | 第53-57页 |
| 4.3.1 时间开销分析 | 第54-55页 |
| 4.3.2 定位性能分析 | 第55-57页 |
| 4.4 走廊环境下结果分析 | 第57-59页 |
| 4.4.1 时间开销分析 | 第57-58页 |
| 4.4.2 定位性能分析 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 下一步工作 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第70页 |
