导读:本文包含了半监督定位论文开题报告文献综述及选题提纲参考文献，主要关键词:无线局域网,室内指纹定位,半监督流形对齐,非齐性分布
半监督定位论文文献综述
李世宝,王升志,刘建航,黄庭培,张鑫[1]（2019）在《基于接收信号强度非齐性分布特征的半监督学习室内定位指纹库构建》一文中研究指出室内定位中半监督学习的指纹库构建方法能够降低人力开销,但忽略了高维接收信号强度(RSS)数据不均匀的非齐分布特点,影响定位精度,针对此问题该文提出一种基于RSS非齐性分布特征的半监督流形对齐指纹库构建方法。该算法运用局部RSS尺度参数以及共享近邻相似性构造权重矩阵,得到精确反映RSS数据流形结构的权重图,利用该权重图通过求解流形对齐的目标函数最优解,实现运用少量标记数据对大量未标记数据的位置标定。实验结果表明,该算法可以显着降低离线阶段数据采集的工作量,同时可以取得较高的定位精度。(本文来源于《电子与信息学报》期刊2019年10期）
吕干云,蒋小伟,郝思鹏,林芬,程浩忠[2]（2019）在《基于半监督支持向量机的电压暂降源定位》一文中研究指出电压暂降源定位对解决相应供用电双方纠纷及责任认定等起到重要作用。针对现有暂降源定位方法的准确率低、含源位置信息的电压暂降监测数据非常有限且不易获取等问题,提出了一种基于半监督支持向量机(SVM)的电压暂降源定位方法。首先分析了现有源定位方法的定位机理和判据,然后通过支持向量机结合多个定位特征量,利用二分类思想在高维定位特征空间内构建上下游分类面。最后运用半监督SVM充分利用大量无暂降源位置标签的电压暂降监测数据,不断优化上下游定位的分类面,从而实现少量标签数据下电压暂降源的优化定位。实验结果表明,在少量标签数据下,该方法定位准确率高,能可靠定位出各类电压暂降源位置。(本文来源于《电力系统保护与控制》期刊2019年18期）
李世宝,王升志,张鑫,陈海华,刘建航[3]（2019）在《基于全局流形结构的半监督学习室内定位算法》一文中研究指出针对传统基于WLAN的指纹定位方法中,因需要密集采集参考点标记数据带来的指纹库构建工作开销大的问题,提出一种基于全局特征保持的半监督流形对齐指纹库构建算法。该算法仅利用少量采集时间开销大的标记数据,结合大量易采集的未标记数据,通过求解流形对齐目标函数,实现对未标记数据的位置标定,减少指纹库构建的消耗。同时,运用测地线距离得到全局流形结构以充分挖掘少量标记数据中的对应特征,提升在少量标记数据情况下构建的指纹库精度。真实场景的实验结果表明,所提算法可以显着降低离线指纹库的构建开销,同时可以取得较优的定位精度。(本文来源于《计算机与现代化》期刊2019年07期）
朱顺涛,卢先领,于丹石[4]（2018）在《一种基于流形正则化的半监督指纹定位算法》一文中研究指出针对传统指纹定位算法采集带标签训练数据成本高的问题,本文提出了一种基于流形正则化的半监督指纹定位算法。首先以流形假设为依据,利用批量输入的带标签数据与无标签数据之间的相似度构建图拉普拉斯算子;然后与极限学习机算法相结合,通过随机特征映射建立隐含层;最后在流形正则化框架下,求解隐含层和输出层之间的权值矩阵,从而建立位置估计模型。仿真结果表明,与INN、SVR、ELM 3种算法相比,该算法的训练和测试时间相对较短,且在带标签训练数据稀疏的前提下仍能保持较高的准确率与稳定性。(本文来源于《测绘通报》期刊2018年02期）
黄涛涛,顾晶晶,庄毅[5]（2018）在《基于半监督拉普拉斯映射的移动定位算法》一文中研究指出在无线传感器网络节点移动定位过程中,网络拓扑结构不断进行更新,以致影响预测模型的精确度。为此,提出一种基于拉普拉斯映射的移动定位算法。分析无线传感器网络的布局特点,引入局部拓扑结构和非信标节点信息,将节点定位问题放在半监督框架中进行研究。实验结果表明,与同类算法相比,该算法提高了预测模型的泛化能力和节点的定位精度,具有更高的稳定性。(本文来源于《计算机工程》期刊2018年01期）
金纯,邱灿,王腾,刘谦[6]（2018）在《基于半监督仿射传播聚类和KLDA的室内定位算法》一文中研究指出室内定位中位置指纹库采集的密集程度往往与定位精度密切相关,针对离线阶段时指纹库稀疏的情况下定位精度低的问题,提出了一种基于半监督仿射传播聚类和KLDA的室内定位算法。该算法结合了在线阶段采集无位置标签的RSSI数据,通过建立局部邻域图将无位置标签的RSSI信息反映到离线指纹数据的结构中,并使用KLDA方法抽取位置指纹库中最大的特征信息,有效利用了无位置标签的RSSI信息从而提高定位精度。实验结果表明,该算法结合在线阶段RSSI数据后定位精度得到了明显的提高,而且在仅保留离线指纹数据库叁分之二的情况下,几乎能够取得与传统KNN算法使用全指纹库时相同的定位精度,相当于减少了离线阶段采集指纹库的工作开销。(本文来源于《计算机应用研究》期刊2018年09期）
张甲佳[7]（2017）在《基于半监督学习的无线传感器网络节点定位问题研究》一文中研究指出随着大数据和云计算技术的发展,无线传感器网络(Wireless Sensor Network,WSN)已经步入大数据时代。作为新型的无线通信网络,WSN的主要目标是获取网络环境中的数据,这些数据来自于传感器节点,节点所处的位置不同,数据代表的意义也就不同。因此,节点的位置信息是WSN的重要参数,节点定位是WSN的一项重要任务。随着机器学习技术的发展,将半监督学习思想引入WSN节点定位中,可以减小算法对信标节点比例的敏感度,并且可以获得较高的定位精度。本文基于DV-Hop算法思想,建立了监督学习和半监督学习的定位算法模型,并对算法的定位性能进行了比较。本文首先介绍WSN节点定位的基本概念以及无需测距定位算法的定位原理,并对叁个无需测距定位算法进行仿真分析,对比叁个算法在不同信标节点比例下的平均定位误差和定位覆盖率。其次,本文将经典DV-Hop定位算法获取跳数的思想引入到支持向量机(Support Vector Machine,SVM)中,建立基于跳数的多分类SVM定位算法模型。该SVM定位算法根据"一对多"的构造思想,将WSN网络区域等分为多个网格,将信标节点的网格编号以及所有节点的跳数向量作为支持向量机训练参数,训练网格编号与跳数向量的映射模型,并通过训练好的模型预测未知节点的位置坐标。仿真结果表明,在节点通信半径较大,信标节点比例较高,网格划分长度较小的情况下,相比经典DV-Hop算法以及O-DV-Hop改进算法,基于跳数的多分类SVM算法的定位精度较高。最后,本文将基于跳数的多分类SVM算法与机器学习算法中的k近邻算法相结合,建立基于协同训练的半监督SVM(SSL)定位算法模型。该SSL定位算法同时训练两个定位模型,取标记结果一致的节点作为新的信标节点,并将该信标节点的参数输入定位模型中进行训练,不断更新定位模型,直到全部节点定位完成。仿真结果表明,相比基于跳数的多分类SVM算法,SSL算法不仅定位精度有所提高,并且降低了算法对信标节点比例的敏感度。(本文来源于《西南交通大学》期刊2017-05-01）
夏颖[8]（2016）在《WLAN室内半监督定位及指纹更新算法研究》一文中研究指出随着智能终端的手持化和无线网络的广泛覆盖,室内外基于位置服务的需求呈现出增加与快速发展的趋势,并日趋广泛的应用在抢险救援、医疗服务、旅游定位导航和监控等领域,展示出良好的市场前景。为位置服务提供精确与实时的位置信息需求,将定位技术与提供的服务二者紧密联系在一起。基于指纹匹配的无线局域网(Wireless Local Area Network,WLAN)室内定位技术,在利用现有的网络硬件设施基础上,通过各种便携式的移动终端,以纯软件的方式即可实现定位过程,成为近年来室内定位技术领域的研究热点。然而,室内传播环境的复杂多变,会导致RSS信号具有严重的时变性,使得信号与物理位置空间的映射关系不是唯一对应的,严重影响了定位的精确度,给室内基于指纹匹配的定位技术带来了诸多问题,也对广大研究人员提出了更多的挑战。本文对基于指纹匹配的WLAN定位系统的关键技术进行了深入研究,分析了影响定位性能的主要因素。针对指纹匹配算法关键环节存在的不足,围绕降低RSS信号时变特性的影响、减少定位计算的复杂度、实现定位系统的有效性与可靠性平衡为主要目标。充分利用便于采集的未标记样本数据,采用半监督的流形学习、聚类分析、及数据挖掘理论,一定程度上改善了基于指纹匹配的WLAN定位技术。研究的主要内容与创新点可归纳为以下几个方面:第一,对典型的室内定位系统进行了比较与分析,重点对定位原理,构建成本、定位精度和适用的场景几个方面进行了详细介绍,并在此基础上,对基于WLAN的位置指纹定位技术进行了深入研究。分别讨论了指纹采集与位置解算两个阶段的关键技术,总结指纹匹配算法、聚类分析、特征提取和指纹数据更新等环节的研究现状与存在问题,对部分算法进行了详细介绍与研究,为后续算法的改进提供理论基础。第二,信号维数的约减与定位特征提取算法的研究。针对密集布设的无线接入点网络环境条件下,直接利用接收的RSS信号作为定位算法的输入,容易带来定位信息冗余与噪声干扰,直接影响定位性能,提出了基于半监督的降维与特征提取(Semi-supervised Dimensionality Reduction and Feature Extraction,SDE)定位算法。用以挖掘高维数据空间存在的低维流形结构,实现高维空间RSS信号的低维嵌入,在保持其判别能力的前提下提高信号的可信度,有效的提高了系统定位精度。所提算法利用了移动用户志愿者采集的随机样本数据,通过半监督学习即可提取具有最大判别能力的低维定位特征,不仅算法的复杂度低,而且减少了在线定位匹配的计算量,从而降低用户终端的定位能耗。第叁,减少RSS信号位置解算搜索空间算法的研究。室内定位技术中,离线阶段构建的指纹数据库中参考点数目及RSS信号的维数,是影响指纹匹配算法搜索区域的主要参数。为此,可以采用聚类分块算法,将定位区域全部的参考点划分为若干子区域,在各个子区域建立特征提取学习模型。鉴于已有的聚类分块算法存在分类准确度不高、无法克服信号非线性和时变性的不足,提出了结合c均值的半监督仿射传播聚类(Semi-supervised Affinity Propagation Clustering,SAPC)算法。该算法通过已知的标签数据调整相似度矩阵,然后在新得到的矩阵上进行聚类分析,最后对聚类结果进行调整。相比其它算法而言,所提算法提高了分类的正确性,更好地平衡了定位精度与计算复杂度的关系。第四,指纹数据库的重建与更新算法的研究。围绕指纹数据库的静态特性给定位结果带来的较大误差,提出了基于移动用户运动轨迹模型的指纹更新算法。通过建立基于用户位置的隐马尔可夫模型(Hidden Markov Model,HMM),将实时接收的RSS信号作为观察序列,其后隐藏的相关位置信息可通过对HMM参数求解获得,进而实现对指纹数据的实时更新。所提算法有效的减少了指纹数据库的重建与更新而带来的劳动力消耗,有利于室内定位系统的大规模推广和应用。与采用静态指纹数据库的定位算法相比,更新后的指纹数据能够更好的克服环境变化导致的信号波动,提高系统的定位精度与稳健性。(本文来源于《哈尔滨工业大学》期刊2016-09-01）
李克清,葛柳飞,戴欢[9]（2016）在《基于CFSFDP与ELM相结合的半监督室内定位算法》一文中研究指出针对室内环境复杂,难以获取足够多的有效标记数据进行定位,提出了一种将密度峰值快速搜索聚类(CFSFDP)和极限学习机(ELM)相结合的半监督室内定位算法(SLACE).SLACE利用CFSFDP聚类数据集,并标记聚类中心缺失的位置信息,扩充初始标记数据;利用ELM训练初始标记数据,根据输出阈值向量和"换位"思想扩充标记数据,提高定位准确率.实验表明:在标记数据个数相同时,该算法运行时间短,较ELM算法、BP算法而言,定位准确率明显提高.(本文来源于《武汉大学学报(理学版)》期刊2016年05期）
向铭[10]（2016）在《基于半监督学习的室内WLAN支持向量回归定位算法》一文中研究指出随着移动智能终端设备的普及和通信技术的快速发展,基于位置的服务的市场需求越来越大。基于位置的服务在导航、紧急救援、个性化信息的传递等领域发挥着巨大的作用。对于室外定位技术,主要有以美国的GPS为代表的卫星定位技术和利用通信基站的蜂窝网定位技术。然而由于室内环境复杂,室外定位技术在室内很难满足人们对定位精度的要求。同时,随着WLAN设备在室内各种环境中被广泛部署,这为WLAN定位技术的发展和推广奠定了很好的基础。基于WLAN的室内定位技术因其较高的定位精度和不需要额外的设备等优点成为研究的热点。基于位置指纹的WLAN定位技术是WLAN定位技术的主流,其分为离线阶段和在线阶段。本论文正是对基于位置指纹的WLAN定位算法进行研究。首先,由于室内环境复杂,以及无线信号的传播特性,室内接收信号具有不确定性和非线性特性。这都对基于位置指纹的WLAN室内技术的定位性能产生了很大的影响。同时,支持向量机在解决小样本和非线性问题上有很大的优势,且具有很好的泛化能力。基于此,本文把支持向量回归引入到室内WLAN指纹定位中,建立RSS信号与物理位置的映射预测模型,以提高定位精度。其次,由于指纹定位在离线阶段需要花费大量人力物力采集大量的位置指纹,而独立于位置的未标记RSS通过移动终端很容易获得,半监督学习能够很好的利用独立于位置的RSS信息,减少了对位置指纹的要求,同时能够提高定位精度。因此,本文引入半监督学习协同训练算法与支持向量回归相结合,提出基于半监督学习的室内WLAN支持向量回归定位算法,提高定位精度。最后,对基于半监督学习的室内WLAN支持向量回归定位算法进行改进,改善其性能。本文在仿真环境和普遍真实室内环境——办公环境和走廊环境下,对本文提出的算法进行仿真及实验验证。通过与传统算法在性能上的对比,验证本文提出的定位算法在定位性能上的优越性。(本文来源于《重庆邮电大学》期刊2016-06-08）
半监督定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
电压暂降源定位对解决相应供用电双方纠纷及责任认定等起到重要作用。针对现有暂降源定位方法的准确率低、含源位置信息的电压暂降监测数据非常有限且不易获取等问题,提出了一种基于半监督支持向量机(SVM)的电压暂降源定位方法。首先分析了现有源定位方法的定位机理和判据,然后通过支持向量机结合多个定位特征量,利用二分类思想在高维定位特征空间内构建上下游分类面。最后运用半监督SVM充分利用大量无暂降源位置标签的电压暂降监测数据,不断优化上下游定位的分类面,从而实现少量标签数据下电压暂降源的优化定位。实验结果表明,在少量标签数据下,该方法定位准确率高,能可靠定位出各类电压暂降源位置。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
半监督定位论文参考文献
[1].李世宝,王升志,刘建航,黄庭培,张鑫.基于接收信号强度非齐性分布特征的半监督学习室内定位指纹库构建[J].电子与信息学报.2019
[2].吕干云,蒋小伟,郝思鹏,林芬,程浩忠.基于半监督支持向量机的电压暂降源定位[J].电力系统保护与控制.2019
[3].李世宝,王升志,张鑫,陈海华,刘建航.基于全局流形结构的半监督学习室内定位算法[J].计算机与现代化.2019
[4].朱顺涛,卢先领,于丹石.一种基于流形正则化的半监督指纹定位算法[J].测绘通报.2018
[5].黄涛涛,顾晶晶,庄毅.基于半监督拉普拉斯映射的移动定位算法[J].计算机工程.2018
[6].金纯,邱灿,王腾,刘谦.基于半监督仿射传播聚类和KLDA的室内定位算法[J].计算机应用研究.2018
[7].张甲佳.基于半监督学习的无线传感器网络节点定位问题研究[D].西南交通大学.2017
[8].夏颖.WLAN室内半监督定位及指纹更新算法研究[D].哈尔滨工业大学.2016
[9].李克清,葛柳飞,戴欢.基于CFSFDP与ELM相结合的半监督室内定位算法[J].武汉大学学报(理学版).2016
[10].向铭.基于半监督学习的室内WLAN支持向量回归定位算法[D].重庆邮电大学.2016