首页--工业技术论文--无线电电子学、电信技术论文--无线通信论文

基于机器学习理论的室内定位算法的改进与研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1 引言第11-17页
    1.1 研究背景及意义第11-12页
    1.2 研究现状和面临的挑战第12-14页
    1.3 论文研究内容和章节安排第14-17页
2 室内定位技术概述第17-27页
    2.1 相关概念第17页
    2.2 基本定位方法第17-22页
        2.2.1 几何法第18-20页
        2.2.2 近似法第20-21页
        2.2.3 场景分析法第21页
        2.2.4 几种基本定位方法比较分析第21-22页
    2.3 基于位置指纹的室内定位模型第22-24页
        2.3.1 离线阶段第23页
        2.3.2 在线阶段第23-24页
    2.4 室内定位算法中的机器学习第24-26页
    2.5 本章小结第26-27页
3 基于机器学习的位置指纹室内定位模型第27-47页
    3.1 模型整体架构第27-28页
    3.2 数据预处理第28-35页
        3.2.1 数据滤波第29-31页
        3.2.2 仿真指纹数据库的生成第31-32页
        3.2.3 验证标准第32页
        3.2.4 算法仿真验证第32-35页
    3.3 AP选择算法第35-45页
        3.3.1 AP选择法第36-38页
        3.3.2 特征值提取法第38-42页
        3.3.3 算法仿真验证第42-45页
    3.4 本章小结第45-47页
4 基于机器学习理论的室内定位算法第47-79页
    4.1 区域划分第47-58页
        4.1.1 训练点聚类第47-52页
        4.1.2 分簇修剪算法第52页
        4.1.3 算法仿真验证第52-58页
    4.2 基于SVM的分类模型第58-68页
        4.2.1 支持向量机第58-61页
        4.2.2 惩罚因子与核函数第61-64页
        4.2.3 基于粒子群算法的参数寻优第64-66页
        4.2.4 改进的粒子群算法第66-68页
    4.3 基于SVR的回归模型第68-69页
    4.4 基于仿真指纹数据的模型验证第69-70页
    4.5 基于实测指纹数据的模型验证第70-78页
        4.5.1 实测指纹数据库的生成第70-72页
        4.5.2 算法仿真验证第72-78页
    4.6 本章小结第78-79页
5 结论第79-81页
    5.1 结论第79-80页
    5.2 创新点第80页
    5.3 展望第80-81页
参考文献第81-85页
作者简历及攻读硕士学位期间取得的研究成果第85-89页
学位论文数据集第89页

论文共89页,点击 下载论文
上一篇:激光诱导击穿光谱技术对于煤中有机元素的测量研究
下一篇:改进的单极性光OFDM技术研究