基于核密度估计高斯混合PHD滤波的多目标跟踪算法

针对多目标跟踪系统中传统算法目标估计精度较低的问题,提出了基于核密度估计的高斯混合概率假设密度（probability hypothesis density, PHD）滤波算法。在该算法中,经过剪枝、合并后,引入核密度估计理论的Mean shift算法,对高斯混合PHD分布密度函数进行核密度估计,取代了传统算法中的状态估计方法。最后,选择估计后得到的峰值作为目标状态估计值。仿真结果表明,基于核密度估计的高斯混合PHD滤波算法比传统算法具有更高的估计精度。     

随机集值半闭1-集压缩映象的一个随机不动点定理

将文献中ShaoyuanXU关于半闭1-集压缩映象的一个重要不动点定理推广到集值情形，得到随机集值1-集压缩映象的一个随机不动点定理．     

扩展的证据合成规则及其在多目标跟踪中的应用

针对多传感器多目标跟踪问题,利用随机集理论对证据合成规则进行了扩展,并基于“OR”合成规则提出了一种多传感器多目标跟踪的新方法.首先,将观测数据作为证据,目标状态作为识别对象,依据证据与识别对象间的相关度确立它们间的基本概率赋值.然后利用“OR”证据合成规则对证据进行合成.最后将合成的基本概率赋值作为权重因子对目标状态进行更新.仿真实验表明,与全局最近邻域方法相比,新方法能提高目标状态估计的精度.     

一族随机集的本性（凸）闭包及其应用（Ⅱ）

该文是「１０」的继续，利用本性（凸）闭包研究了无办集值上鞅的Ｋ－Ｍ收敛。     

连续时间的集值平稳过程（I）：对应关系

本文我们研究了集值平稳过程的结构，得到了保测变换半群与集值平稳过程之间的对应关系。     

随机集可积选择序列的h收敛性

本文给出了集合序列的ｈ上、下极限的概念，并且得到随机集可积选择序列的ｈ下极限的法杜引理和ｈ收敛意义下的勒贝格控制收敛定理。     

基于RS-DBN的电子对抗目标清单生成方法

由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。     

集值映射的随机不动点指数及随机不动点定理

首次建立了集值映射的随机不动点指数理论，并获得若干随机不动点定理。     

关于模糊证据理论的一个新解释

推广了Dempster所提出的随机集概念，并讨论了模糊信息源的不确定结构与模糊事件空间之间的关系，最后特别地用广义的上、下概率概念给出了模糊证据理论的一种新的解释，同时证明了模糊条件信任函数实际上是Dempster模糊条件规则的推广。     

集值映象与随机集值映象的不动点

我们在本文中得到了关于集值映象与随机集值映象的某些新的不动点定理,它扩充了文〔3、4〕中某些结果。主要结果是定理 1—3与定理6—8。