基于Wi-Fi室内定位的位置指纹算法

随着Wi-Fi网络室内覆盖率的增加,人们对位置服务的需求也不断增加。利用现有的Wi-Fi网络进行室内定位,先分析了NN算法存在的不足,并提出了一种WNN位置指纹定位算法。整个定位过程分为数据采集、数据处理即奇异值处理和滑模滤波处理、实时定位即用WNN法对处理后的离线数据和实时数据进行对比、匹配,最接近的那组数据对应的区域号为定位结果。对几种信号处理方法进行了比较,得出滑模滤波的效果最优。实验表明,修正后的定位算法的定位准确率明显提高,达到了90%以上。     

基于Android平台和位置指纹算法的WiFi定位系统设计

基于指纹定位算法,利用空间已有的Wi Fi网络设计了一种方便、高效的室内定位系统。本系统以Eclipse为开发环境,Java为开发语言,My SQL为数据库平台,其采集信号终端和定位终端均在Android 4.4操作系统运行实现。通过实验比较了KNN和WKNN两种算法的定位结果。实验结果表明,该系统无需额外硬件设备,操作简单,系统的定位精度在1 m左右。     

一种基于无线网络定位系统设计与实现

通过对典型WLAN定位方法的研究与分析,本文设计并实现了一种基于位置指纹的WLAN室内定位系统。同时,将NNSS、KWNN和基于概率密度三个经典WLAN定位算法应用于该系统中,进行了实际测试和分析,结果表明,本文所实现的系统具有很好的可靠性和实用性。     

基于多信号源融合的室内定位技术方案探讨

随着社会的发展,室内定位越来越重要。在室内定位技术基本原理的基础上,衍生出了多种技术方案。文章先讨论了当前主流的室内定位技术,然后提出一种基于Wi-Fi信号位置指纹技术和行人航迹推算技术相结合的室内定位系统,同时引入KNN算法、扩展卡尔曼滤波算法,提高了室内定位精度。     

动态环境中的WIFI指纹自适应室内定位算法

针对传统的基于WIFI信号的室内定位方法难以有效解决环境动态变化对RSSI值的影响问题,本文设计并实现了一种基于WIFI射频信号强度指纹的室内定位系统。在该系统中,通过采用一种基于用户使用状况与布置定位参考点的方法来动态更新系统的WIFI指纹数据库,从而有效降低了在实际使用过程中用户手持手机的方向、用户的身体遮挡以及使用环境的动态变化对RSSI值所带来的影响。实验结果表明,本文设计并实现的定位系统比传统定位系统更稳定、易维护,同时也具有更高的定位精度和自适应性。     

动态环境中的WiFi指纹自适应室内定位方法?

针对传统的基于WIFI信号的室内定位方法难以有效解决环境动态变化对RSSI值的影响问题,设计并实现了一种基于WIFI射频信号强度指纹的室内定位方法。该方法通过采用一种基于用户使用状况与布置定位参考点的方法来动态更新系统的WIFI指纹数据库,从而有效降低了在实际使用过程中用户手持手机的方向、用户的身体遮挡以及使用环境的动态变化对RSSI值所带来的影响。实验结果表明,本文设计并实现的定位方法比传统定位方法更稳定、易维护,同时也具有更高的定位精度和自适应性。     

基于动态K值及AP MAC地址筛选的室内定位算法

在简单介绍动态K值加权室内定位算法(EWKNN)并分析其不足的基础上,探索研究了基于动态K值及AP MAC地址筛选的室内定位算法。该算法首先使用EWKNN方法动态选择参考点个数,并根据测试点和参考点之间AP的MAC匹配度,进一步筛选出最优的定位参考点;最后采用得到的最优参考点与测试点之间的距离进行加权定位。实验表明,相对于传统的EWKNN定位算法,提出的算法具有较高的定位精度。     

基于双重匹配位置指纹的室内停车场定位方法

为了提高室内停车场的寻车效率,提出了一种基于双重匹配位置指纹的室内停车场定位方法.该方法在加权K邻近算法基础上,利用RSSI值得出用户坐标,融合数据过滤算法与格点对应算法,以降低算法的定位误差,并采用双重数据库方法提高定位效率.实验采用均方根误差与累积分布函数两种指标对比了WKNN算法、过滤WKNN算法、格点WKNN算法与本文算法,实验结果表明本文算法具有较高的定位精度.     

基于位置指纹室内定位技术的养老院养护系统

随着我国科学技术不断的发展进步,也在很大程度上推动了指纹室内定位技术的发展进程,由于养老院人员数量较多,所以,也为其日常的养护工作带来了诸多的困难,本文主要立足于位置指纹室内定位技术的养老院养护系统,展开了深入的研究与分析,以此期望为我国各个养老院在面对于老人日常的养护工作问题上,提供一些参考性的建议.     

个性化的自主学习模型研究

自主学习系统是现代远程教育系统的重要内容。本文通过分析自主学习的特点,构造个性化的自主学习模型,并对学习材料的组织、推荐模型进行研究。目的是为学习者推荐有针对性的学习材料,提高学习者的学习效率。     

个性化推荐推荐系统中基于WEB 的挖掘

Intemet的普及和应用带来了WEB上的信息爆炸,如何基于WEB挖掘技术设计有效的信息推荐算法和推荐系统成为当前的研究热点。开发了一种基于WEB使用的推荐系统WRS（Web Recommendation System）,在该系统中,提出了一种利用图形分割技术聚类用户访问模式的算法,并采用最长公共子序列算法对用户目前的行为进行识别。理论分析和实验结果表明,改进后的模型在推荐质量上有了较大提高。     

一种裙装个性化定制模式及系统

针对现有裙装个性化定制中消费者直接参与程度不足和缺乏专业设计指导的问题,提出了一种融合普通消费者、专业设计师和生产厂的应用模式和系统架构,可作为三者进行有关裙装设计和定制领域的信息交互、商务洽谈和交易服务的应用系统。该模式采用基于深度学习的方法对消费者的个性化需求进行分析,给出消费者的个性化需求推荐方案,同时消费者通过个性化定制实现参与裙装设计和定制。在该模式基础上,设计了裙装个性化定制系统,该系统能够实现裙装个性化推荐、裙装个性化定制以及裙装专业设计,有效解决了裙装个性化定制问题。     

一种基于用户情境聚类的个性化推荐算法

面向基于情境感知的推荐问题,提出一种基于用户情境聚类的个性化推荐算法。该算法利用情境预过滤的思想,首先运用模糊聚类的方法对历史数据集中用户的情境进行聚类,构造与当前用户情境相似度较高的用户集合,再与传统的基于用户的协同过滤算法相结合进行个性化推荐。实验采用公开数据集,结果表明该算法在多维情境信息条件下可用,并且推荐准确度要高于传统协同过滤算法,在聚类粒度不同的情况下对推荐结果也会产生不同的影响。     

智能博物馆个性化导航技术的研究与应用

将普适计算的概念应用到博物馆,研究智能博物馆（iMuseum）个性化导航,提出3阶段个性化导航技术。该技术实现iMuseum原型系统,采用基于语义网的上下文感知计算框架iSpace,通过感知博物馆中各种上下文信息和游客的个性化信息,实现面向游客的自适应导航,增强游客的游览体验。     

基于位置编码索引树的个性化推荐算法

针对协同过滤算法在海量数据环境个性化推荐应用中存在的低效率问题,结合MapReduce框架特点,设计了一种应用于个性化推荐的基于位置编码的索引树(LB-Tree),创新性地将索引结构应用于个性化推荐。利用聚类资源的差异性存储策略,提升MapReduce任务处理并行性;根据聚类数据分布特征,以质心为圆心对聚类中的数据对象进行同心圆分层,并对每层采用不同长度的二进制编码来表达,将所有数据对象的编码组织成索引树结构,缩短频繁推荐的数据查找路径,达到个性化推荐时利用索引结构快速确定搜索空间的目的。与基于项目的Top-N推荐算法和基于最近邻的推荐算法(SBNM)相比,LB-Tree所需时间开销增长最慢,准确率最高,验证了方法的有效性和高效性。     

一种面向科研在线的个性化推荐系统

电子邮箱的推送功能对信息传播和推广有重要作用,而科研在线云平台的邮箱推送功能出现信息过载问题后却使得推送邮件可能变成垃圾邮件。为解决该问题,本文介绍了一种基于科研在线云平台的个性化推荐系统,通过推荐模型将资源进行排序,并按周选取得分最高的一部分资源通过推送邮件推荐给用户。系统运行测试表明,通过个性化推荐的动态信息更加符合用户兴趣,有助于增加科研在线团队文档库动态汇总邮件的点击率,增强用户体验。     

基于小样本学习的个性化Hashtag推荐

近年来,Hashtag推荐任务吸引了很多研究者的关注。目前,大部分深度学习方法把这个任务看作是一个多标签分类问题,将Hashtag看作为微博的类别。但是这些方法的输出空间固定,在没有进行重新训练的情况下,不能处理训练不可见的Hashtag。然而,实际上Hashtag会随着时事热点不断快速更新。为了解决这一问题,该文提出将Hashtag推荐任务建模成小样本学习任务。同时,结合用户使用Hashtag的偏好降低推荐的复杂度。在真实的推特数据集上的实验表明,与目前最优方法相比,该模型不仅可以取得更好的推荐结果,而且表现得更为鲁棒。     

Personalized Course Navigation Based on Grey Relational Analysis

Web personalization has quickly changed from a value-added facility to a service required in presenting large quantities of information because individual users of the Internet have various needs and preferences in seeking information. This paper presents a novel personalized recommendation system with online preference analysis in a distance learning environment called Coursebot. Users can both browse and search for course materials by using the interface of Coursebot. Moreover, the proposed system includes appropriate course materials ranked according to a users interests. In this work, an analysis measure is proposed to combine typical grey relational analysis and implicit rating, and thus a users interests are calculated from the content of documents and the users browsing behavior. This algorithms low computational complexity and ease of adding knowledge support online personalized analysis. In addition, the user profiles are dynamically revised to provide efficiently personalized information that reflects a users interests after each page is visited.     

一种支持个性化Web推荐的聚类分析

提出基于关联的聚类分析方法,挖掘具有相似访问兴趣的用户访问模式,分离不相关的用户模式,并提出基于关联的聚类算法。实验证明,该算法大量减少不相关的用户访问模式,提高个性化推荐质量。为进一步研究个性化推荐技术奠定基础。