近似熵(approximate entropy,ApEn)与样本熵(sample entropy,SampEn)均是量化大脑功能活动复杂性的指标,但二者中哪个更适合功能磁共振成像(functional magnetic resonance imaging,fMRI)数据的分析却仍然不清楚.文章以fMRI数据为研究对...近似熵(approximate entropy,ApEn)与样本熵(sample entropy,SampEn)均是量化大脑功能活动复杂性的指标,但二者中哪个更适合功能磁共振成像(functional magnetic resonance imaging,fMRI)数据的分析却仍然不清楚.文章以fMRI数据为研究对象,采用ApEn方法与SampEn方法进行分析,计算不同参数 r 下的ApEn与SampEn的均值差距率并进行对比.结果发现,随着参数 r 的增加,SampEn的均值差距率均大于ApEn的均值差距率.同时在算法效率上,SampEn方法的运行时间小于ApEn方法的运行时间.因此,相比于ApEn方法,SampEn方法可能更适用于静息态fMRI数据的分析.展开更多
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
文摘近似熵(approximate entropy,ApEn)与样本熵(sample entropy,SampEn)均是量化大脑功能活动复杂性的指标,但二者中哪个更适合功能磁共振成像(functional magnetic resonance imaging,fMRI)数据的分析却仍然不清楚.文章以fMRI数据为研究对象,采用ApEn方法与SampEn方法进行分析,计算不同参数 r 下的ApEn与SampEn的均值差距率并进行对比.结果发现,随着参数 r 的增加,SampEn的均值差距率均大于ApEn的均值差距率.同时在算法效率上,SampEn方法的运行时间小于ApEn方法的运行时间.因此,相比于ApEn方法,SampEn方法可能更适用于静息态fMRI数据的分析.
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。
