| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 论文的研究工作 | 第12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第二章 基于迁移学习和指纹的室内定位算法 | 第14-30页 |
| 2.1 迁移学习 | 第14-21页 |
| 2.1.1 迁移学习问题概述 | 第14-15页 |
| 2.1.2 迁移学习分类 | 第15-17页 |
| 2.1.3 同构迁移学习场景下的迁移学习方法 | 第17-20页 |
| 2.1.4 异构迁移学习场景下的迁移学习方法 | 第20页 |
| 2.1.5 迁移学习的应用 | 第20-21页 |
| 2.2 室内定位算法 | 第21-26页 |
| 2.2.1 室内定位算法概述 | 第21-22页 |
| 2.2.2 基于指纹的室内定位算法的基本原理 | 第22-23页 |
| 2.2.3 基于指纹的室内定位算法分类 | 第23-24页 |
| 2.2.4 室内定位算法性能评估指标 | 第24-25页 |
| 2.2.5 基于指纹的室内定位算法存在的问题 | 第25-26页 |
| 2.3 基于迁移学习和指纹的室内定位算法 | 第26-29页 |
| 2.3.1 基于迁移学习和指纹的室内定位算法的基本步骤和机理 | 第26-27页 |
| 2.3.2 基于迁移学习和指纹的室内定位算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 模糊聚类与迁移学习结合的室内定位算法 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 模糊聚类和迁移学习结合的室内定位算法 | 第30-37页 |
| 3.2.1 源域和目标域的构建 | 第30-31页 |
| 3.2.2 模糊聚类和区域划分 | 第31页 |
| 3.2.3 迁移学习的目标函数及优化求解 | 第31-34页 |
| 3.2.4 重建无线电地图 | 第34-35页 |
| 3.2.5 在线定位 | 第35页 |
| 3.2.6 算法模型 | 第35-37页 |
| 3.3 TL-FCMA算法的实验验证 | 第37-42页 |
| 3.3.1 数据采集及实验环境设置 | 第37-38页 |
| 3.3.2 对比算法 | 第38-39页 |
| 3.3.3 实验结果与性能分析 | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于广义核化线性判别分析的室内定位算法 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 线性判别分析算法概述 | 第44-46页 |
| 4.2.1 线性判别分析算法的基本原理 | 第44-45页 |
| 4.2.2 线性判别分析算法的优点 | 第45页 |
| 4.2.3 基于核方法的核化线性判别分析算法 | 第45-46页 |
| 4.3 基于广义核化线性判别分析的室内定位算法 | 第46-52页 |
| 4.3.1 源域和目标域的构建 | 第47页 |
| 4.3.2 迁移学习的目标函数及优化求解 | 第47-50页 |
| 4.3.3 重建无线电地图 | 第50页 |
| 4.3.4 在线定位 | 第50-51页 |
| 4.3.5 算法模型 | 第51-52页 |
| 4.4 GKLDA算法的实验验证 | 第52-57页 |
| 4.4.1 数据采集及实验环境设置 | 第52页 |
| 4.4.2 对比算法 | 第52-53页 |
| 4.4.3 实验结果与性能分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 论文研究工作总结与下一步研究工作展望 | 第58-60页 |
| 5.1 研究工作总结 | 第58页 |
| 5.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |