分布式多目标跟踪中数据融合的一种新方法

数据融合问题是分布式多传感器多目标跟踪中的关键问题。相关文献在航迹和假设的相容性判别以及数据融合过程的分析等问题上存在一些不足。该文从“无矛盾原则”出发,给出了准确而完善的航迹和假设相容性判别条件,澄清了前人在此问题上的一些模糊概念。对航迹和假设的融合过程做了详细的分析,提出了“定向融合航迹”和“自由融合航迹”的概念。按照新的航迹和假设相容性判别条件,进行了仿真实验。实验结果证实新方法是有效性的。     

一种适用于卷积结构的非图像数据预处理方法

卷积神经网络凭借局部相关和权值共享等优良特性而广泛应用于图像处理领域,成为最受欢迎的神经网络架构之一.然而,对于基因组、语音和金融等非图像形式的数据,传统的卷积网络可能无法完全适用.为了摆脱这一困境,科研人员不断尝试研发诸如循环神经网络以及注意力机制网络等可用于解析非图像数据的网络结构,拓展神经网络的应用范围.新型网络架构的研发无疑是困难且耗费巨大的,从另一个角度出发,提出一种适用于卷积网络结构的数据预处理方法.通过处理源数据,将其转换为特定的一维特征向量或二维图像矩阵,接着送入自定义卷积结构中观察其算法表现.实验采用UCI和Kaggle平台上的经典数据集进行测试并使用了SVM、决策树、随机森林等传统机器学习模型来对比该方法的可行性和有效性.     

一种基于非线性特征提取的数据降维算法

为了获得良好的图像分类效果,需要采集尽可能多的图像数据特征,进而使得图像原始特征空间的维数越来越高,造成维数灾难.特征提取是通过线性或者非线性映射,将高维特征空间映射到低维空间,从而降低数据维数.现有的特征提取算法往往忽视了数据本身特有的复杂结构以及非线性因素,造成映射方向的模糊以及分类精确度的缺失.充分考虑了图像数据本身的二维特性,通过改进的非线性特征提取方法、流形学习方法来提取图像特征.实验表明,该算法在不影响图像分类效果的前提下可以大大降低数据维数,减少计算复杂度.     

基于多传感器数据融合的目标识别和跟踪

基于单传感器（雷达或红外）系统存在局限性,提出了基于多传感器（雷达和红外）信号融合的目标识别和跟踪系统,它能利用不同传感器的数据互补和冗余。特征层融合能通过利用其他传感器模块提供的目标特征信号来提高目标检测概率和降低虚警概率;决策层融合能矫正因受干扰等原因而失去目标跟踪能力的传感器模块的伺服跟踪回路,并提高抗干扰性。     

一种基于数据融合的目标跟踪方法

为了提高相控阵波束的跟踪能力,基于多设备源的测量信息,提出一种基于数据融合的目标跟踪方法。该方法依次进行数据外推时延修正,数据检择,坐标变换,再进行测量数据的平滑滤波处理,最后利用动态加权的数据融合处理方法,提高了目标的跟踪预测性能。仿真实验结果表明,提的基于动态加权数据融合的目标跟踪方法具有较高的目标跟踪精度,满足系统要求。     

一种联合多神经网络分类器的融合算法

给出了一种用于目标识别的自适应神经网络 ,在此基础上 ,提出了一种联合多神经网络分类器的融合算法。舰船目标实测数据分类实验证明 ,基于该融合算法的分类系统具有可靠性高、识别率高、推广性能好等优点。因此 ,在水下目标识别系统中 ,具有重要的工程应用价值。     

基于数据增强的卷积神经网络火灾识别

当前图像识别采用的普遍方法是卷积神经网络方法,但该方法依赖于大数据集,在样本不足时会出现过拟合问题。针对以上问题,根据火灾的背景复杂性和卷积神经网络自动学习特征的优点,提出一种基于数据增强的卷积神经网络火灾识别方法。对少量火灾图片引入数据增强技术,通过搭建一个3层卷积池化层和一个全连接层自动提取火灾特征,使用softmax分类器输出。仿真实验结果表明:原始数据测试集的识别率为95%,损失值发散,提出方法使测试集损失值收敛到0.2,改善了过拟合的问题;对数据增强减少过拟合的原因进行分析,表明对小样本使用卷积神经网络具有重要意义。     

基于支持向量机的数据融合机动目标跟踪算法

利用支持向量机方法研究GPS和雷达系统对机动目标联合测量中的数据融合问题.使GPS数据经时间配准处理与雷达数据达到时间同步,再经空间配准和坐标系变换后进行卡尔曼滤波,将滤波估计坐标值作为支持向量机的输入,以支持向量机为同步融合中心,输出为目标轨迹的融合估计值.仿真结果表明,这种方案可以达到比融合前数据更贴近真实值的效果.     

基于矩阵分析的一种不确定性推理的数据融合方法

采用不确定性推理的矩阵分析方法，建立了用于目标识别的多传感器数据融合的数学模型。该模型综合了来自多种不同传感器的基于正态分布的检测数据，通过定义相关系数矩了来获取基本可信度分配值矩阵。提出了一种多传感器信息融合的新算法，该算法依靠可信度的积累，通过多级递推融合可获得目标状态基于全局信息的融合估计值。实例分析表明：基于融合后的识别结果较各传感器单独决策的结果性能优化，具有较强的容错性和有效性，并且不确定值较融合前平均下降了74%，从而可精确快速地控制工业生产。     

基于孪生网络的目标跟踪研究综述

近年来,基于孪生网络的目标跟踪算法由于在跟踪精度和跟踪效率之间能够实现良好的平衡而备受关注。通过对基于孪生网络的目标跟踪算法的文献进行归纳,对现有孪生网络目标跟踪算法进行了全面总结,对孪生网络的2个分支结构进行了讨论。首先,介绍了基于孪生网络目标跟踪的基本架构,重点分析了孪生网络中主干网络的优化,以及主干网络的目标特征提取问题。其次,对目标跟踪过程中的分类和回归2个任务展开讨论,将其分为有锚框和无锚框2大类来进行分析研究,通过实验对比,分析了算法的优缺点及其目标跟踪性能。最后,提出未来的研究重点:1)探索背景信息训练,实现场景中背景信息传播,充分利用背景信息实现目标定位。2)目标跟踪过程中,目标特征信息的更加丰富化和目标跟踪框的自适应变化。3)从帧与帧之间全局信息传播,到目标局部信息传播的研究,为准确定位跟踪目标提供支撑。     

基于数据累积的P2P流媒体自适应数据调度

综合考虑数据回放的紧迫性和数据分布的有效性,尝试将贪婪算法和最少优先算法结合起来,提出了一种基于数据累积的自适应数据调度算法.以数据在本地缓存的累积量为平衡因子,动态调节数据选择的权重,从而可在维持接收节点较高的播放质量水平的同时,改善数据在系统的分布度.仿真实验表明在多种实验参数条件下该调度算法均具有较好的性能.     

基于指纹术的海量数据等同匹配判断算法

远程海量数据进行完整性审计工作,会占用大量通信信道,在此提出了基于指纹术的海量数据等同性匹配判断算法,对算法的有效性进行了证明.利用此算法进行海量数据等同性判断可大大提高工作效率,同时极大地减少了对通信信道的占用.     

对基于SNM数据清洗算法的优化

对基本邻近排序算法SNM(basic sorted-neighborhood method)进行分析,指出其不足;提出基于SNM算法的一种优化算法,通过采集中南大学冶金矿物工程机构知识库的2 000多条文献记录作为样本数据进行实验研究,对记录的"脏数据"按照DC标准和相关规范进行清洗与排重.研究结果表明:与SNM算法相比,在同样的运算环境下,优化算法在招回率、误识别率和执行时间上有明显优势.     

基于访问相关性的空间数据副本控制策略

为解决地理信息系统面对用户大规模密集访问时由于缓存空间有限且热点数据较多,简单的根据数据的流行度选择副本难以适应用户突发性访问行为等动态需求的问题,提出一种综合考虑数据流行度及其相互关系的副本控制算法.首先,根据数据流行度确定热点数据集以减少热点数据规模和降低计算开销;然后计算热点数据之间的相互关系以得到其访问相关性;最后利用数据之间的访问相关性动态选择与当前正被访问数据相关性高的数据作为副本,从而为用户的下次访问提前准备数据,实现降低用户访问平均响应时间的目的.算法实验表明:相比于传统方法,所提出的综合副本控制算法可有效提高5.9%~29.9%的平均访问响应速度.     

基于相关滤波的绝缘子跟踪与测距算法

针对旋翼无人机进行输电线路巡检的应用场景,通过基于相关滤波的跟踪算法,实现绝缘子的跟踪并适应尺度的变化。在滤波器的训练过程引入核函数,构建出更加鲁棒的滤波模板。通过gabor滤波器,在HSV颜色空间提取绝缘子的纹理特征。采用两个并行的相关滤波器,分别用于位置和尺度的定位。在此基础上,通过最大类间方差法,对图像中绝缘子进行分割,按照相机成像原理,计算绝缘子与无人机之间的相对距离。算法能够实现绝缘子的实时跟踪并适应尺度变化,以及计算无人机与绝缘子之间的相对距离,为无人机智能化巡线提供技术支持。     

基于相关系数的正、负关联规则挖掘算法

负关联规则描述的是项目之间的互斥关系，它与传统的正关联规则有着同样重要的作用。然而，大多规则挖掘算法只能挖掘正规则而忽略了负规则的挖掘。本文利用统计学中相关系数的理论，提出一个能同时挖掘正、负关联规则的算法，实验表明该算法是有效的。     

一种基于相关性分析的地图匹配方法

为了改善机动车导航地图匹配的精度,提出了一种新的基于递推轨迹与候选路径相关性分析的地图匹配方法.为了获得最佳匹配路径,分别计算递推轨迹曲线和候选路径曲线的切向量角,并沿曲线分段计算切向量角的一阶差分,剔除机动车递推轨迹曲线与候选路径曲线间的相对转角,将二维曲线相关问题降为一维曲线的相关问题.基于差分切向量角序列,计算递推轨迹曲线与不同候选路径曲线的相关系数,获得最佳匹配路径,定义具有最大相关系数的路径段为最佳匹配段.实例说明,新的地图匹配的方法对相似候选路径具有正确的分辨能力,对递推数据的随机误差有较强的鲁棒性.     

一种基于Dijkstra的海量空间数据最短路径算法

为了解决海量空间数据的快速网络分析,在分析Dijkstra算法缺点的基础上,提出并详细介绍了一种基于Dijkstra算法的优化算法-邻接结点算法,该算法充分利用了网络拓扑信息中的弧段的连接关系,避免了使用含有大量无穷值的关联矩阵,结果表明:该优化算法可以节约大量的内存,适合海量数据的网络分析.实践证明,该算法对于结点数比较大的网络具有较好的适用性.     

一种基于分块的二值图像信息隐藏算法

提出了一种新颖的基于分块的二值图像信息隐藏算法，算法首先计算出原始图像中每个像素的可修改度，并通过置乱来均衡可修改像素在图像中的分布；将置乱后的二值图像分块，提取每块图像的特征值，组成二值的特征矩阵，对特征矩阵再进行分块，根据特征矩阵块进行信息嵌入，若要嵌入的信息与特征矩阵块中的某一特征值不相匹配时，则通过翻转与该特征值对应的图像块中最适合修改的一个像素来实现对此特征值的间接修改，实验结果表明，该隐藏算法信息嵌入量适中，隐藏信息的图像具有良好的视觉透明性，系统的安全性也较高。     

一种多传感器数据信息的融合算法

为解决在多传感器信息融合技术中出现的测量维数和置信度较低、系统的探测能力和生存能力较差以及空间和时间的范围较窄等问题,提出了一种改进的PSO算法.该算法主要包括对传感器自身特点的分析,以及建立一个综合传感器信息增量和处理时间的目标函数的过程.从实验仿真结果可以看出,该算法可以有效地剔除性能不符合系统标准的传感器,从而更...