-
题名基于混合粒子滤波的多目标跟踪
被引量：1
- 1
-
-
作者
李少军
朱振福
-
机构
目标与环境光学特征国防科技重点实验室
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2009年第8期1795-1800,共6页
-
文摘
针对可变数量的多个红外弱小目标的检测与跟踪问题,提出了基于混合概率密度模型的多目标先跟踪后检测方法,开发了一种t分布混合粒子滤波器。在混合粒子滤波器中,利用每个分量粒子滤波器的输出信息,根据序列似然比假设检验,检测每个被跟踪目标的存在性。通过估计目标在离散占据网格上的出现概率,检测新目标的出现。混合粒子滤波器使用单独的粒子滤波器独立估计每个被跟踪目标的状态,避免算法的计算量随着目标数量增加呈指数增长的问题。仿真实验证明混合粒子滤波器能够跟踪目标数量可变的弱小目标,能够同时检测目标的消失和出现。
-
关键词
混合概率密度模型
先跟踪后检测方法
混合粒子滤波器
序列似然比检验
重要性重采样
多模态概率密度
-
Keywords
mixture model of probability density
track before detection
mixture of particle filter
sequential likelihood ratio test
importance resampling
multi-modal probability density
-
分类号
TN27
[电子电信—物理电子学]
-
-
题名基于密度峰值多起始中心的融合聚类算法
被引量：8
- 2
-
-
作者
梅婕
魏圆圆
许桃胜
-
机构
中国科学院合肥物质科学研究院智能机械研究所
中国科学技术大学
安徽省智慧农业工程实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第22期78-85,共8页
-
基金
国家重点研发计划(2017YFD0700501-2)
国家自然科学基金(61902372)
安徽省自然科学基金(2008085QF292,1908085QE202)。
-
文摘
经典K-Means算法不能有效处理非球型数据集的聚类问题,且聚类目标数需预先指定。SMCL(Self-adaptive Multiprototype-based Competitive Learning)算法是一种K-Means的改进算法,它引入Multi-Prototypes机制,并将距离相近的Prototypes所代表的样本簇融合成聚类簇。在SMCL算法基础上提出DP-SMCL(Density Peak-SMCL)算法,使用密度峰值聚类算法确定初始聚类中心集,借助1-D高斯混合概率密度模型合并以Prototypes为中心的相近子簇来获得精确聚类结果。实验结果表明,DP-SMCL算法可应用于非球型数据集聚类,且能自动确认聚类的目标类别数,相比于K-Means和DBSCAN(Density-Based Spatial Clustering of Applications with Noise)等经典聚类算法能够获得更加准确的聚类结果。同时,与SMCL算法相比,DP-SMCL可以快速完成初始Prototypes的选定,显著提升算法准确率和执行效率。
-
关键词
K-MEANS
Multi-Prototypes
聚类
1-D高斯混合概率密度模型
非球型数据集
-
Keywords
K-Means
Multi-Prototypes
clustering
1-D Gaussian mixture probability density model
aspheric dataset
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名音频水印非线性检测器的研究
被引量：2
- 3
-
-
作者
王景
邵亚楠
唐晟
段法兵
-
机构
青岛大学复杂性科学研究所
-
出处
《复杂系统与复杂性科学》
EI
CSCD
2010年第4期22-28,共7页
-
基金
国家自然科学基金(60602040)
-
文摘
研究了一种用于音频水印的非线性检测器。首先将音频信号进行离散余弦变换,并将变换系数按照绝对值进行排序,依据音频信息本身的特点选取中频系数嵌入水印信息,采用高斯混合概率密度模型来拟合加入水印的中频系数。其次,依据这种非高斯模型的特点,设计了一种非线性检测器来检测水印。实验表明这种非线性水印检测器具有很好的鲁棒性,对于加高斯噪声、重采样、重量化、MPEG压缩、Chebyshev低通滤波等多种攻击都具有较好的抗攻击能力。
-
关键词
音频水印
离散余弦变换
高斯混合概率密度模型
非线性检测器
-
Keywords
audio watermarking
DCT transformation
gaussian mixture probability density function model
non-linear detector
-
分类号
N945.12
[自然科学总论—系统科学]
TP391
[自动化与计算机技术—计算机应用技术]
-
