| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的研究背景与意义 | 第11-12页 |
| 1.2 国内外相关的研究现状 | 第12-13页 |
| 1.3 论文的主要内容与章节安排 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 基于RFID与机器学习的智能超市原理 | 第15-23页 |
| 2.1 RFID技术 | 第15-18页 |
| 2.1.1 RFID技术简介 | 第15-17页 |
| 2.1.2 RFID技术在超市管理中的应用问题 | 第17-18页 |
| 2.2 机器学习技术简介 | 第18-20页 |
| 2.3 智能超市工作原理 | 第20-22页 |
| 2.3.1 智能超市的概念 | 第20页 |
| 2.3.2 智能超市原理 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于XGBoost的室内定位算法 | 第23-35页 |
| 3.1 基于RSSI的室内定位算法 | 第23-26页 |
| 3.1.1 基于距离路径损耗的定位算法 | 第23-24页 |
| 3.1.2 LANDMARC算法 | 第24-26页 |
| 3.2 基于XGBoost的室内定位算法原理 | 第26-31页 |
| 3.2.1 算法描述 | 第26-28页 |
| 3.2.2 算法的具体步骤 | 第28-30页 |
| 3.2.3 算法的流程图 | 第30-31页 |
| 3.3 仿真结果与分析 | 第31-35页 |
| 3.3.1 实验环境搭建与步骤 | 第31-33页 |
| 3.3.2 实验结果与分析 | 第33-35页 |
| 第四章 基于BP-SVM的室内定位算法 | 第35-46页 |
| 4.1 基于BP-SVR的室内定位算法原理 | 第35-42页 |
| 4.1.1 BP神经网络简介 | 第35-37页 |
| 4.1.2 SVR算法简介 | 第37-38页 |
| 4.1.3 本算法描述 | 第38-39页 |
| 4.1.4 本算法的步骤 | 第39-41页 |
| 4.1.5 本算法流程图 | 第41-42页 |
| 4.2 仿真结果与分析 | 第42-46页 |
| 4.2.1 实验环境搭建与步骤 | 第42-44页 |
| 4.2.2 实验结果分析 | 第44-46页 |
| 第五章 基于RFID与机器学习的智能超市管理系统设计与实现 | 第46-64页 |
| 5.1 设计思路 | 第46-47页 |
| 5.2 数据库设计与实现 | 第47-51页 |
| 5.3 系统功能的设计与实现 | 第51-60页 |
| 5.3.1 快速盘点 | 第51-53页 |
| 5.3.2 快速结账 | 第53-55页 |
| 5.3.3 商品定位 | 第55-57页 |
| 5.3.4 库存预测 | 第57-59页 |
| 5.3.5 精准推送 | 第59-60页 |
| 5.4 系统测试 | 第60-64页 |
| 5.4.1 快速盘点功能测试 | 第61页 |
| 5.4.2 快速结账功能测试 | 第61-62页 |
| 5.4.3 商品定位功能测试 | 第62-63页 |
| 5.4.4 库存预测功能测试 | 第63页 |
| 5.4.5 精准推送测功能测试 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间已发表论文与参与科研项目情况 | 第71页 |