基于Spring Boot和小程序的WiFi室内定位系统的设计与实现

来源 :现代计算机 | 被引量 : 0次 | 上传用户:xichblueagle
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于WiFi指纹的室内定位技术有助于改善大型室内场馆中各项基于位置的服务.为了提高室内定位服务的便捷性,本文设计了基于Spring Boot和小程序的WiFi室内定位系统.该系统采用微信小程序作为前端,极大地方便用户使用定位服务;服务端则采用Spring Boot+MyBatis+Spring MVC集成框架进行开发.实验结果表明,本系统的平均定位误差介于277.30 cm至500.31 cm之间,能满足室内定位的需求.
其他文献
随着深度学习的飞速发展,卷积神经网络被广泛应用于图像识别和物体检测.然而,基于神经网络的算法计算量和资源密集,难以在嵌入式系统中使用.本文基于轻量化的神经网络模型提出了一种可扩展、低功耗、资源占用少的加速器架构.在带有Zynq器件的FPGA平台上,使用Xilinx Vivado的高级综合工具(HLS)实现加速器设计.
针对目前网络教学平台缺少智能化模块、数据分析不充分等问题,我们运用Python中较常用的四种分类算法(随机森林、逻辑回归、SVM向量机、XGboost)对学生在网络教学平台上的学习行为数据进行分析,以实现对课终考试成绩等级进行分类及预测研究.研究结果表明XGboost算法对学生考试成绩等级的分类准确率是相对最高的,达到92.84%.