基于数据挖掘的指纹室内定位
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 室内定位研究现状 | 第12-19页 |
| 1.2.1 近似法定位 | 第13-14页 |
| 1.2.2 几何分析法定位 | 第14-17页 |
| 1.2.3 场景分析法定位 | 第17页 |
| 1.2.4 指纹法室内定位的研究现状 | 第17-19页 |
| 1.3 指纹法室内定位面临的问题 | 第19页 |
| 1.4 研究内容和论文结构 | 第19-21页 |
| 2 WIFI指纹室内定位 | 第21-31页 |
| 2.1 WIFI网络架构 | 第21-22页 |
| 2.2 WIFI指纹室内定位 | 第22-24页 |
| 2.3 数据挖掘算法 | 第24-27页 |
| 2.3.1 数据挖掘的步骤 | 第24-26页 |
| 2.3.2 数据挖掘的任务 | 第26-27页 |
| 2.4 基于数据挖掘的指纹定位算法 | 第27-30页 |
| 2.4.1 KNN算法 | 第27-28页 |
| 2.4.2 WKNN算法 | 第28-29页 |
| 2.4.3 神经网络算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 指纹数据分析与处理算法研究 | 第31-43页 |
| 3.1 无线信号传播特性 | 第31-32页 |
| 3.2 RSSI特征分析 | 第32-37页 |
| 3.2.1 RSSI的不确定性 | 第33-34页 |
| 3.2.2 RSSI与地理位置的关联 | 第34-36页 |
| 3.2.3 RSSI的重复性 | 第36-37页 |
| 3.3 基于主成分分析指纹数据预处理研究 | 第37-42页 |
| 3.3.1 主成分分析降维原理 | 第37-38页 |
| 3.3.2 基于主成分分析的指纹降维算法实现 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 一种改进的支持向量回归指纹室内定位算法 | 第43-71页 |
| 4.1 定位模型的构建准则 | 第43-47页 |
| 4.2 支持向量机算法研究 | 第47-55页 |
| 4.2.1 支持向量机理论 | 第48-50页 |
| 4.2.2 松弛变量与惩罚因子 | 第50-51页 |
| 4.2.3 核函数 | 第51-53页 |
| 4.2.4 多分类支持向量机 | 第53-54页 |
| 4.2.5 支持向量回归 | 第54-55页 |
| 4.3 基于数据挖掘的室内定位算法 | 第55-70页 |
| 4.3.1 室内定位系统的数学建模 | 第56-58页 |
| 4.3.2 k层网格参数寻优算法设计 | 第58-60页 |
| 4.3.3 仿真验证 | 第60-70页 |
| 4.4 本章小结 | 第70-71页 |
| 5 结论 | 第71-73页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 未来展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第77-81页 |
| 学位论文数据集 | 第81页 |
