论文总字数：21642字

摘 要

关键词 II

ABSTRACT III

Key words III

1. 引言 1

1.1 研究背景和意义 1

1.2 主要研究内容 1

1.3 本论文的组织结构 2

2. 开发平台与关键技术 3

2.1 Eclipse简介 3

2.2 J2EE技术 3

2.3 SSH框架 4

2.4 SQL Server 数据库 7

2.4.1 SQL Server数据库特点 7

2.4.2 SQL Server数据库安全技术 7

2.5 DBScan算法 8

2.5.1 相关概念 8

2.5.2 聚类方法描述 8

2.5.3 算法描述 9

2.6 TDOA定位技术 10

2.6.1 TDOA原理 10

2.6.2 TDOA定位模型 11

2.7 本章小结 12

3. 系统设计 13

3.1 设计的目标和原则 13

3.2 总体设计 13

3.2.1 MVC模式 13

3.2.2 B/S架构 14

3.2.3 系统总体架构 15

3.3 系统功能模块设计 15

3.3.1 外部定位模块设计 15

3.3.2 数据层设计 17

3.3.3 核心层设计 18

3.3.4 应用层设计 19

3.4 数据库设计 20

3.5 本章小结 21

4. 系统实现与测试 22

4.1 系统开发环境 22

4.2 系统关键功能模块实现 22

4.3 系统测试 23

4.4 本章小结 24

5. 总结与展望 25

参考文献 26

致谢 27

摘要

随着地理信息系统以及移动通讯的发展，对人员、车辆、事件以及其他移动目标的定位变得日益便捷，且具有广阔的市场发展前景。为了对大量空间位置数据进行分析，通常首先对数据进行聚类处理，DBSCAN是一种基于密度的聚类算法，DBSCAN聚类算法显着的特点是能有效地对含噪声的数据进行聚类，发现任意形状的簇。

本文基于Eclipse开发平台，采用Java编程语言和SQL Server数据库，使用J2EE框架对基于DBSCAN算法的位置聚类系统进行设计和研发。本文首先介绍了系统的开发平台和关键技术，然后对系统进行总体设计、功能模块设计和数据库设计，接下来在开发环境中实现了基于dbscan算法的位置聚类系统，具体包括外部定位、数据层、核心层和应用层的功能，对系统的运行效果进行展示。测试结果表明，本文研发的系统运行稳健，效果良好。

关键词 地理信息系统;位置聚类;DBSCAN算法;

ABSTRACT

With the development of geographic information system and mobile communication, the personnel, vehicles, events and other moving target positioning has become increasingly convenient, and has broad market prospects for development. In order to analyze the large space location data, usually to cluster the data first, DBSCAN is a density based clustering algorithm, DBSCAN clustering method with the characteristics of calculate is effectively to contain the noise data clustering, discover clusters of arbitrary shape.

In this paper, based on the Eclipse development platform, using the Java programming language and SQL Server database, using J2EE framework to location based on DBSCAN algorithm clustering system design and development. This paper first introduces the development platform of the system and the key technology, then the system overall design, function module design and database design, in the development environment to achieve the next position cluster system based on dbscan algorithm, including external orientation, the data layer, the function of the core layer and application layer, the running effect of the system to display. Test results show that the developed system is stable, the effect is good.

Key wordsGeographic Information System; Position Clustering; DBSCAN Algorith

引言

研究背景和意义

本开发过程中用的是传感器的传感技术和无线技术传输网络通信，无线传感器网络（无线传感器网络，WSN）以其特征强度低，成本低，分布式和自信息科学等特点从而快速发展该组织已对地面的差异，使无线传感器网络的研究和应用具有极大的价值针对于很多领域。作为无线传感器网络收集必须与它的位置相结合，每个传感器节点的数据必须体现在测量感坐标系统，以及用户所要做的仅与数据传输本身包括的节点的准确位置信息，然后随着无线定位技术领先的网络传感器技术具有非常重要的作用^[1]。

直接定位矩阵求解器的传统方法，泰勒级数展开法，误差Llopat定位的定位方法是大于定位算法在非视距传播环境中的定位方法，是一种算法的低精度估计^[2]。

数据挖掘中聚类技术被用于找到的关键技术数据和模型隐含的分布。有句话说的很有道理：“物以类聚，人以群分”，在当下这个社会中，有着很多种形形色色的东西需要分类。什么叫做类，通俗地说，就是指相似元素的集合。。 DBSCAN是一个基于密度的聚类算法，此算法是一个很具有代表意义的基于密度的聚类算法。与其它几种聚类方法不一样的是，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类^[3]。 DBSCAN明显的特征是快速聚类算法，并能有效地处理空间噪声和任意形状的集群发现，具有强大的集群能力。

在本文中，多个传感器节点测量了波的到达时间（到达时间，TOA），然后这些数据被应用加权最小二乘算法的组合，任何人都可以对未知节点进行估计。在使用特定的方法测定几次，然后几个更多的组中去评估未知节点聚类的位置和传感器网络节点的网络节点的时间利用DBSCAN良好的抗干扰性和最大程度的相似性，以减少在定位性能的错误的影响，并最终得到未知节点的准确位置，从而完成基于dbscan算法的位置聚类系统的设计与实现。

主要研究内容

本文以基于dbscan算法的位置聚类系统为研究目标，主要研究内容有以下三个方面：

剩余内容已隐藏，请支付后下载全文，论文总字数：21642字