基于指纹的无线网络定位算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 无线网络定位的技术介绍 | 第12-15页 |
| 1.2.1 无线网络定位的主要技术 | 第12-14页 |
| 1.2.2 指纹定位技术的优势 | 第14-15页 |
| 1.3 指纹定位技术研究现状 | 第15-17页 |
| 1.4 本文的主要创新点 | 第17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 第二章 指纹定位技术框架及算法研究 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 指纹定位技术框架 | 第19-20页 |
| 2.3 指纹信息获取 | 第20-23页 |
| 2.4 指纹匹配算法 | 第23-28页 |
| 2.4.1 K近邻算法 | 第23-24页 |
| 2.4.2 BP神经网络 | 第24-25页 |
| 2.4.3 极限学习机 | 第25-27页 |
| 2.4.4 支持向量机 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于SS-ELM算法的定位方法 | 第30-40页 |
| 3.1 引言 | 第30-31页 |
| 3.2 半监督学习方法 | 第31-35页 |
| 3.2.1 半监督学习的基本假设 | 第31-32页 |
| 3.2.2 半监督图学习 | 第32-33页 |
| 3.2.3 流形正则化技术 | 第33-35页 |
| 3.3 基于SS-ELM的定位方法 | 第35-37页 |
| 3.4 影响SS-ELM性能的主要因素 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于Logistic函数的特征处理方法 | 第40-51页 |
| 4.1 引言 | 第40页 |
| 4.2 RSSI的特性 | 第40-42页 |
| 4.3 基于Logistic函数的特征处理方法 | 第42-44页 |
| 4.3.1 RSSI非线性变换的必要性 | 第42页 |
| 4.3.2 基于Logistic函数的非线性变换 | 第42-44页 |
| 4.4 验证分析 | 第44-50页 |
| 4.4.1 实验数据 | 第44-45页 |
| 4.4.2 对比分析 | 第45-48页 |
| 4.4.3 中心值分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 SS-ELM融合进化算法的研究 | 第51-68页 |
| 5.1 引言 | 第51-52页 |
| 5.2 SS-ELM融合进化算法的框架 | 第52-61页 |
| 5.2.1 遗传算法 | 第52-54页 |
| 5.2.2 差分进化算法 | 第54-56页 |
| 5.2.3 粒子群优化算法 | 第56-57页 |
| 5.2.4 算法的融合框架 | 第57-61页 |
| 5.3 实验分析 | 第61-66页 |
| 5.3.1 SS-ELM对比监督学习算法 | 第61-62页 |
| 5.3.2 SS-ELM融合PSO的效果 | 第62-63页 |
| 5.3.3 不同搜索算法的优化效率比较 | 第63-64页 |
| 5.3.4 稳定性比较 | 第64-66页 |
| 5.3.5 实验总结 | 第66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 论文工作总结与进一步研究 | 第68-70页 |
| 6.1 论文工作总结 | 第68-69页 |
| 6.2 进一步研究 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
