声明
缩略词
插图目录
表格目录
符号说明
第一章 绪论
1.1研究背景和国内外的研究现状
1.2研究的内容及其重要性
1.3论文组织结构
第二章 基于机器学习的定位框架
2.1传统机器学习算法
2.1.1机器学习算法的应用
2.1.2数据
2.1.3机器学习常见算法
2.2深度学习算法
2.2.1深度学习原理
2.2.2最优化算法
2.2.3 UJIIndoorLoc数据集
2.3定位算法评估指标
2.3.1均方误差
2.3.2准确率
2.3.3定位延迟
2.4室内定位深度算法
2.4.1基于神经网络的直接式定位框架
2.4.2基于神经网络的层次式定位框架
2.4.3性能仿真
第三章 基于数据增强的定位算法
3.1生成式对抗神经网络
3.1.1生成式对抗网络结构
3.1.2数据分布的直观分析
3.1.3在生成任务中的关键要素
3.2自编码器
3.3系统模型框架
3.4模型的训练
3.4.1增强器的训练
3.4.2训练器的训练
3.5系统的仿真
3.5.1仿真细节
3.5.2结果和分析
3.6本章小结
第四章 基于迁移学习的深度定位算法
4.1引言
4.2迁移学习
4.2.1迁移学习综述
4.2.2原理及其条件
4.2.3迁移学习常用结构
4.3定位算法中的迁移框架设计
4.3.1基于神经网络的直接迁移框架
4.3.2基于对抗的多任务迁移框架
4.4系统仿真
4.4.1基于神经网络直接式的迁移性能
4.4.2基于对抗多任务框架的迁移性能
第五章 总结与展望
5.1本文总结
5.2不足与展望
致谢
参考文献
攻读硕士学位期间发表的论文及专利
东南大学;
