期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于目标出生强度在线估计的多目标跟踪算法 被引量：9
1
作者 闫小喜 韩崇昭 《自动化学报》 EI CSCD 北大核心 2011年第8期963-972,共10页
针对多目标跟踪中未知的目标出生强度,提出了基于Dirichlet分布的目标出生强度在线估计算法,来改进概率假设密度滤波器在多目标跟踪中的性能.算法采用有限混合模型来描述未知目标出生强度,使用仅依赖于混合权重的负指数Dirichlet分布作... 针对多目标跟踪中未知的目标出生强度,提出了基于Dirichlet分布的目标出生强度在线估计算法,来改进概率假设密度滤波器在多目标跟踪中的性能.算法采用有限混合模型来描述未知目标出生强度,使用仅依赖于混合权重的负指数Dirichlet分布作为混合模型参数的先验分布.利用拉格朗日乘子法推导了混合权重在极大后验意义下的在线估计公式;混合权重在线估计过程利用了负指数Dirichlet分布的不稳定性,驱使与目标出生数据不相关分量的消亡.以随机近似过程为分量均值和方差的在线估计策略,推导了基于缺失数据的分量均值与方差的在线估计公式.在无法获得初始步出生目标先验分布的约束下,提出了在混合模型上增加均匀分量的初始化方法.以当前时刻的多目标状态估计值为出发点,提出了利用概率假设密度滤波器消弱杂波影响的出生目标数据获取方法.仿真结果表明,提出的目标出生强度在线估计算法改进了概率假设密度滤波器在多目标跟踪中的性能. 展开更多
关键词 多目标跟踪 概率假设密度 目标出生强度 在线估计 极大后验 Dirichlet分布
下载PDF
一种基于几何关系的多分类器差异性度量及其在多分类器系统构造中的应用 被引量：8
2
作者 梁绍一 韩德强 韩崇昭 《自动化学报》 EI CSCD 北大核心 2014年第3期449-458,共10页
多分类器系统是应对复杂模式识别问题的有效手段之一.当子分类器之间存在差异性或互补性时,多分类器系统往往能够获得比单分类器更高的分类正确率.因而差异性度量在多分类器系统设计中至关重要.目前已有的差异性度量方法虽能够在一定程... 多分类器系统是应对复杂模式识别问题的有效手段之一.当子分类器之间存在差异性或互补性时,多分类器系统往往能够获得比单分类器更高的分类正确率.因而差异性度量在多分类器系统设计中至关重要.目前已有的差异性度量方法虽能够在一定程度上刻画分类器之间的差异,但在应用中可能出现诸如"差异性淹没"等问题.本文提出了一种基于几何关系的多分类器差异性度量,并在此基础上提出了一种多分类器系统构造方法,同时通过实验对比了使用新差异性度量方法和传统方法对多分类器系统融合分类正确率的影响.结果表明,本文所提出的差异性度量能够很好地刻画分类器之间的差异,能从很大程度上抑制"差异性淹没"问题,并能有效应用于多分类器系统构造. 展开更多
关键词 多分类器系统 差异性度量 差异性淹没 几何中心
下载PDF
基于增量式有限混合模型的多目标状态极大似然估计 被引量：1
3
作者 闫小喜 韩崇昭 《自动化学报》 EI CSCD 北大核心 2011年第5期577-584,共8页
提出了增量式有限混合模型来提取概率假设密度滤波器序贯蒙特卡罗实现方式中的多目标状态.该模型以增量方式构建,其混合分量采用逐个方式插入其中.采用极大似然准则来估计多目标状态.对于给定分量数目的混合模型,应用期望极大化算法来... 提出了增量式有限混合模型来提取概率假设密度滤波器序贯蒙特卡罗实现方式中的多目标状态.该模型以增量方式构建,其混合分量采用逐个方式插入其中.采用极大似然准则来估计多目标状态.对于给定分量数目的混合模型,应用期望极大化算法来获得参数的极大似然解.在新分量插入混合模型时,保持已有混合模型的参数不变,仍旧采用极大似然准则从候选新分量集合中选择新插入分量.新分量插入混合步和期望极大化算法拟合混合参数步交替应用直到混合分量数目达到概率假设密度滤波器的目标数目估计值.利用k-d树生成插入到混合模型的新分量候选集合.增量式有限混合模型统一了分量数目变化趋势和粒子集合似然函数的变化趋势,有助于一步一步地搜寻混合模型的极大似然解.仿真结果表明,基于增量式有限混合模型的概率假设密度滤波器状态提取算法在多目标跟踪的应用中优于已有的状态提取算法. 展开更多
关键词 多目标状态估计 增量式有限混合模型 概率假设密度滤波器 极大似然 期望极大化
下载PDF
概率假设密度高斯混合实现的分量删减
4
作者 闫小喜 韩崇昭 《自动化学报》 EI CSCD 北大核心 2011年第11期1313-1321,共9页
针对概率假设密度(Probability hypothesis density,PHD)高斯混合实现算法中的分量删减问题,提出了基于Dirichlet分布的分量删减算法以改进概率假设密度高斯混合实现算法的性能.算法采用极大后验准则估计混合参数,采用仅依赖于混合权重... 针对概率假设密度(Probability hypothesis density,PHD)高斯混合实现算法中的分量删减问题,提出了基于Dirichlet分布的分量删减算法以改进概率假设密度高斯混合实现算法的性能.算法采用极大后验准则估计混合参数,采用仅依赖于混合权重的负指数Dirichlet分布作为混合参数的先验分布,利用拉格朗日乘子推导了混合权重的更新公式.算法利用负指数Dirichlet分布的不稳定性,在极大后验迭代过程中驱使与目标强度不相关的分量消亡.该不稳定性还能够解决多个相近分量共同描述一个强度峰值的问题,有利于后续多目标状态的提取.仿真结果表明,基于Dirichlet分布的分量删减算法优于典型高斯混合实现中的删减算法. 展开更多
关键词 概率假设密度 高斯混合实现 分量删减 Dirichlet分布 极大后验
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部