本文關(guān)鍵詞：基于WLAN室內(nèi)定位的特征選擇與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來隨著Google、蘋果等公司對室內(nèi)定位技術(shù)投入越來越多的關(guān)注和支持,國內(nèi)外各領(lǐng)域?qū)κ覂?nèi)定位技術(shù)的研究再一次掀起了新的高潮。位置信息主要應(yīng)用于基于移動端的LBS(Location Based Services)服務(wù)中,例如大型商貿(mào)城的推送業(yè)務(wù),醫(yī)院的導(dǎo)航,機場循跡,在大型娛樂場所或博物館向游客提供當(dāng)前的位置信息和相應(yīng)設(shè)施資料等。眾所周知,由于GPS定位的發(fā)展,室外環(huán)境中的定位服務(wù)已滿足人們的需求,然而,室內(nèi)環(huán)境下的位置服務(wù)仍需要進一步的提升,特別是在精度、可靠性、實時性等方面。 論文正是此背景下；首先對現(xiàn)階段的室內(nèi)定位系統(tǒng)進行了概括性的論述和比較,分析并討論了GPS衛(wèi)星定位系統(tǒng)、紅外定位系統(tǒng)、射頻識別定位系統(tǒng)、超寬帶定位系統(tǒng)、藍牙定位系統(tǒng)和WLAN室內(nèi)定位系統(tǒng)的成本、定位精度、可靠性及使用條件限制,給出WLAN系統(tǒng)的優(yōu)缺點。其次對基于WLAN室內(nèi)定位的三大類主要算法做出例舉,并凸顯基于模式識別算法的位置指紋法的優(yōu)勢,就位置指紋法中使用的一系列算法,主要有K近鄰算法、決策樹算法、樸素貝葉斯算法、支持向量機算法等,對精度、成本預(yù)估和模型訓(xùn)練預(yù)測時間做出仿真。 本文將提升算法(Boosting Algorithm)引入傳統(tǒng)的指紋定位算法中,根據(jù)啟發(fā)式的原理,將原本分類效果較差的決策樹模型提升為分類效果很好的強分類器,同時保留了決策樹算法預(yù)測時間短的優(yōu)勢。此外,本文還在實際定位階段引入了特征選擇算法,不僅降低了模型的復(fù)雜度,縮短了模型訓(xùn)練的時間,同時增強了定位模型的泛化能力和容錯能力。特別地,將提升算法與特征選擇算法相結(jié)合后,不但定位精度得以改善,訓(xùn)練時間也相對縮短,定位實時性也得到提高。
【關(guān)鍵詞】：WLAN 室內(nèi)定位 機器學(xué)習(xí) 特征選擇 RSS
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN925.93
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 研究背景9-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 論文的創(chuàng)新點及限制條件12-13
• 1.3.1 論文的創(chuàng)新點12
• 1.3.2 論文的限制條件12-13
• 1.4 本文的主要內(nèi)容及章節(jié)安排13-15
• 第二章 室內(nèi)定位技術(shù)15-27
• 2.1 室內(nèi)定位系統(tǒng)15-20
• 2.1.1 GPS衛(wèi)星定位系統(tǒng)15-16
• 2.1.2 紅外定位系統(tǒng)16-17
• 2.1.3 射頻識別定位系統(tǒng)17-18
• 2.1.4 超寬帶定位系統(tǒng)18
• 2.1.5 藍牙定位系統(tǒng)18-19
• 2.1.6 WiFi無線定位系統(tǒng)19-20
• 2.2 室內(nèi)定位主要方法20-25
• 2.2.1 TOA三角測量法20-21
• 2.2.2 TDOA測量法21-22
• 2.2.3 AOA角度測量法22-23
• 2.2.4 基于RSS的定位測量算法23-25
• 2.3 本章小結(jié)25-27
• 第三章 基于位置指紋的室內(nèi)定位算法27-41
• 3.1 位置指紋模型27-28
• 3.2 K近鄰算法28-30
• 3.2.1 最近鄰算法29-30
• 3.2.2 加權(quán)K近鄰算法30
• 3.3 室內(nèi)定位決策樹算法30-34
• 3.3.1 C4.5/ID332-33
• 3.3.2 CART 樹33-34
• 3.4 樸素貝葉斯算法34-36
• 3.5 支持向量機36-40
• 3.5.1 線性可分支持向量機36-37
• 3.5.2 線性不可分支持向量機37-38
• 3.5.3 非線性支持向量機38-40
• 3.6 本章小結(jié)40-41
• 第四章 提升算法在室內(nèi)定位中的應(yīng)用41-45
• 4.1 啟發(fā)式算法41-42
• 4.2 弱分類器42
• 4.3 基于提升算法的室內(nèi)定位算法42-44
• 4.4 提升算法在室內(nèi)定位中的應(yīng)用44
• 4.5 本章小結(jié)44-45
• 第五章 室內(nèi)定位特征選擇算法研究45-53
• 5.1 特征選擇45
• 5.2 信息增益算法45-47
• 5.3 基尼指數(shù)特征提取算法47
• 5.4 PCA主成分分析算法47-50
• 5.5 LDA線性判別分析50-51
• 5.6 本章總結(jié)51-53
• 第六章 定位性能測試及結(jié)論分析53-63
• 6.1 實驗方案設(shè)計53
• 6.2 實驗環(huán)境53-56
• 6.3 實驗結(jié)果及結(jié)論56-63
• 6.3.1 實驗結(jié)果56-60
• 6.3.2 分析及結(jié)論60-63
• 第七章 總結(jié)與展望63-65
• 7.1 總結(jié)63
• 7.2 下一步研究展望63-65
• 參考文獻65-69
• 致謝69-71
• 作者攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 肖曉;徐啟華;;基于SVM與BP的分類與回歸比較研究[J];新型工業(yè)化;2014年05期

  本文關(guān)鍵詞：基于WLAN室內(nèi)定位的特征選擇與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：282085