针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目...针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。展开更多
在研究多属性群决策问题的领域中,概率犹豫模糊术语集(hesitant probabilistic fuzzy set,HPFS)作为犹豫模糊集的一种扩展,正广受关注。针对目前在概率犹豫模糊语言环境下,考虑用主客观结合的方式来求解权重以及对方案排序的过程中存在...在研究多属性群决策问题的领域中,概率犹豫模糊术语集(hesitant probabilistic fuzzy set,HPFS)作为犹豫模糊集的一种扩展,正广受关注。针对目前在概率犹豫模糊语言环境下,考虑用主客观结合的方式来求解权重以及对方案排序的过程中存在的问题,提出了一种基于前景理论和逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)相结合的多属性群决策模型。首先根据已知的主观决策者权重,经过一致性调节运算得到决策者的综合权重;其次利用熵值法构建了属性权重的求解模型;在充分考虑决策者心理行为的前提下,求解出正、负理想解矩阵,并且基于TOPSIS方法实现多个备选方案之间的优劣排序;最后,通过实例验证了该模型的可行性和有效性。展开更多
文摘针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。
文摘在研究多属性群决策问题的领域中,概率犹豫模糊术语集(hesitant probabilistic fuzzy set,HPFS)作为犹豫模糊集的一种扩展,正广受关注。针对目前在概率犹豫模糊语言环境下,考虑用主客观结合的方式来求解权重以及对方案排序的过程中存在的问题,提出了一种基于前景理论和逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)相结合的多属性群决策模型。首先根据已知的主观决策者权重,经过一致性调节运算得到决策者的综合权重;其次利用熵值法构建了属性权重的求解模型;在充分考虑决策者心理行为的前提下,求解出正、负理想解矩阵,并且基于TOPSIS方法实现多个备选方案之间的优劣排序;最后,通过实例验证了该模型的可行性和有效性。
