多传感器多目标检测中的数据关联

研究在漏检、无杂波情况下多传感器对数目未知的目标检测中数据关联问题,并将其表述为多传感器数据集之间数据的组合化分配问题,提出一种基于ＧＡ的关联算法。仿真实验表明,该算法具有较高的关联成功率,可大幅度提高多传感器的检测概率,并能对目标个数进行优化。     

多传感器多目标数据关联模糊聚类算法的改进

多传感器多目标跟踪广泛应用于军事和民用监视系统。数据关联和滤波技术是多目标多传感器跟踪监视系统的主要组成部分。近年来,人们开始研究模糊数据关联方法,取得了较好的效果。本文针对基于模糊聚类均值算法的数据关联方法中的一些问题,提出了一些改进的想法,仿真结果说明了其有效性。     

多传感器多目标联合概率数据关联研究

提出改进联合概率数据关联算法对多传感器、多目标量测进行同源划分及单一传感器测量数据转换,并采用联合概率数据关联算法求解空间目标轨迹交叉时的数据关联.仿真结果表明,改进联合概率数据关联算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题.     

多传感器多目标数据互联算法的神纲多络实现

针对具有重要军事背景的多传感器多目标的数据互联问题，即广义３－Ｄ分配问题，应用Ｈｏｐｆｉｅｌｄ神经网络，设计了此问题对应的能量函数，在ＰＣ３８６机上用Ｃ语言实现了该问题的求解程度。该程序运行结果表明，所提出的方法是有效的，其能量函数的设计是合理的。     

多传感器广义概率数据关联算法研究

随着跟踪环境、跟踪对象的不断变化与发展,目标与量测已经很难用一一对应的关系去描述;广义数据关联算法（GPDA）提出目标与量测多多对应的可行性规则,其性能在目标与量测无论是否在一一对应的情况下,均优于传统的JPDA算法,并且计算量、存储量均远小于JPDA;考虑到GPDA的上述优点,将GPDA算法拓展到多传感器数据关联,提出了多传感器广义概率数据关联算法（MSGPDA）来处理多传感器数据关联问题;仿真表明,MSGPDA算法由于利用多传感器信息,性能得到明显提高。     

基于空间交点强度的被动式多传感器数据关联

将基于空间交点强度的被动式传感器快速数据关联算法推广到多传感器情况,讨论整个算法的实现原理,并给出算法的具体实现过程。在无漏检和无虚警的情况下做了仿真实验,同时对存在漏检和虚警的情况进行分析,结果表明算法在实时性方面具有良好的表现。     

基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题,而常见的关联算法要私计算量大,要私实际动用中效果不理想。本语文提出了利用自适应遗传算法来解决在传感人、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

基于改进单亲遗传算法的被动传感器数据关联

主要研究了两被动传感器的数据关联方法.首先建立了两传感器联合关联概率数学模型,将求解后验概率的极大值问题转化为求解特殊的指派问题;然后提出了一种改进型单亲遗传算法求解此问题,并从理论上证明了该算法的封闭性和可达性.仿真结果表明,所提出的方法收敛速度快、关联正确率高,验证了模型和求解方法的正确性、可行性.     

ISODATA算法在多传感器多目标数据关联中的研究与改进

针对目标密集环境下易出现的误关联问题，提出了的ISODATA算法的解决方法。该算法将描述航迹的特征参量构成待分类的样本空间，构建了基于ISODATA算法的有限记忆关联模型，利用航迹的历史状态数据进行关联运算，有效地解决了多目标密集环境下的误关联问题，分析了记忆步长与计算量和关联结果的关系。通过仿真研究说明了算法在目标密集环境下的有效性。     

基于遗传算法的机动多目标数据关联

1 引言多目标数据关联是多目标跟踪的核心部分,是多目标跟踪技术中最重要而又最困难的问题。数据关联简言之就是一种分配过程,即判断一个特定的量测属于哪一个目标,进而把全部或部分新量测数据分配给已建立的轨迹。数据关联是一个监视、跟踪系统的主要功能,因为错误的关联会导致跟踪的丢失,在目标密集     

支持无线传感器网络多目标跟踪的聚类数据关联算法研究

多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一。联合概率数据关联算法是一种 跟踪多目标的数据关联算法,它不需要任何关于目标和杂波的先验信息,但与其他有关数据关联算法相比,计算机开 销大。基于聚类算法的联合概率数据关联算法在联合概率数据关联算法的基础上,运用模式识别中的聚类思想对传 感器所接收到的量测数据进行聚类,减少有效量测的数目,从而简化了有效矩阵,减少了原有算法的计算量。     

支持无线传感器网络多目标跟踪的最邻近数据关联算法研究

多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一。联合概率数据关联算法是一种跟踪多目标的数据关联算法,它不需要任何关于目标和杂波的先验信息,但与其他有关数据关联算法相比,计算机开销大。在构造有效矩阵的过程中基于最邻近方法的联合概率数据关联算法,结合最部近数据关联算法的思想,选取统计距离最小的3个有效量测构成有效矩阵,从而简化了有效矩阵,减少了原有算法的计算量。     

数据融合方法在单传感器系统中的应用

为了提高数据处理的精度,提出了一种适用于单传感器系统的数据融合方法。该方法先将来自单传感器的n个样本观测值细分成k组,并把各细分组所对应的样本均值假想为来自k个不同传感器的样本观测值,借助于极大似然函数估计法导出数据融合公式。基于该融合公式,证明了在单传感器系统中,当样本观测值一定时,分组数据融合的估计效果优于单组算术平均的估计效果;若再细分原有的分组,则细分后的融合估计效果优于细分前的融合估计效果。实例的数据分析验证了结论的正确性。     

多目标跟踪算法的研究与应用

将多目标跟踪算法用于水中絮体颗粒的跟踪,提出了一种代价函数结合改进MHT的算法,对出现异常的絮体颗粒用改进MHT算法跟踪,并通过分析絮体颗粒运动特性修正了改进MHT算法,有效解决了跟踪过程中出现的轨迹交叉、轨迹合并等情况,这样在保证跟踪精度的基础上又提高了跟踪速度;同时,采用跟踪絮体颗粒得到颗粒的沉淀速度信息来评价水处理混凝的效果,自动控制混凝剂的加注,从而达到自来水水质检测和净化的目的。     

一种改进的联合概率数据关联算法

对于多目标跟踪问题,数据关联是其核心部分,联合概率数据关联算法(JPDA)是多目标跟踪的典型方法。当目标较为密集,计算量剧增,会出现计算组合爆炸现象,而其本质就在于确认矩阵拆分成可行矩阵的计算量。为了降低JPDA的计算量,本文提出了一种改进的JPDA算法,在拆分确认矩阵时引入分支定界算法的思想,以确定每个目标的最后一个回波。当搜索到最后一个回波时停止搜索,执行下一个目标回波的搜索,直至结束。利用该改进算法对杂波环境下多目标跟踪进行仿真实验,结果表明,该算法使其时间代价减少。     

关联规则在超市购物系统中的应用

互联网技术在带给我们一个信息爆炸时代的同时,也极大地增加了从浩瀚数据堆里寻找有用知识的困难程度。面对不断拓展的数据规模,对海量信息的搜索、管理以及实时处理能力将面临严峻的挑战。文章主要介绍基于Apriori算法关联规则的具体应用。     

基于改进的关联规则挖掘算法的研究

A priori算法是经典的关联规则挖掘算法,它利用逐层搜索的迭代方法完成频繁模式的挖掘工作,反复进行连接剪枝操作,思路简单易操作,但也伴随着产生庞大候选集,多次扫描数据库产生巨大I/O开销的问题,提出一种改进算法:基于矩阵的关联规则挖掘算法,同A priori算法比较,该算法只需扫描一遍数据库,就可直接查找k-频繁项集,尤其是当频繁项集较高的时候,该算法具有更高的执行效率,在大数据量的情况下更具有可行性。     

浅析基于遗传算法的关联规则数据挖掘技术

数据挖掘是基于数据仓库的知识发现技术,当数据仓库数据海量时,进行穷举搜索是不可行的,必须采取一种有效的搜索策略。遗传算法不仅具有很好的全局搜索能力,同时它能较好的处理数据库中不同属性之间的相互关系。该文论述了如何把遗传算法应用于数据挖掘领域。     

遗传算法在多传感器多目标静态数据关联中的应用

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题。而常见的关联算法要么计算量大,要么实际运用中效果不理想。本文提出了利用遗传算法来解决无杂波和漏检情况下三种不同类型、不同位置的传感器对数目未知的目标进行检测时的静态数据关联问题。实验结果表明这种算法具有很高的关联成功率。