概率假设密度滤波的谱聚类目标状态提取方法

通知公告

交大新闻

过刊浏览

02 现在的位置：首页 > 期刊导读 > 2012 > 02 >

【作者】张慧 [1,2,3] ; 韩崇昭 [1,2,3] ; 闫小喜 [1,2,3]

【关键词】多目标状态估计概率假设密度状态提取谱聚类 Nystrm逼近

【摘要】提出了一种谱聚类目标状态提取方法来实现概率假设密度（PHD）滤波中序贯蒙特卡罗（SMC）实现方式的多目标状态估计.该方法利用PHD滤波SMC实现方式输出的大量的加权粒子点间的相似度关系建立相似矩阵,通过变换得到拉普拉斯矩阵,进而对拉普拉斯矩阵进行特征分解,以实现粒子点的聚类,再在每类中寻找粒子的聚类点作为多目标状态的估计值,同时为了减小计算量,利用Nystrm逼近方法求解特征向量.仿真实验表明,PHD滤波的谱聚类目标状态提取方法的估计精度比k均值目标状态提取方法提高了60%以上.

上一篇：一种双约束稀疏模型图像修复算法
下一篇：最后一页

02 现在的位置：首页 > 期刊导读 > 2012 > 02 >

概率假设密度滤波的谱聚类目标状态提取方法

【作者】 张慧 [1,2,3] ; 韩崇昭 [1,2,3] ; 闫小喜 [1,2,3]

【关键词】 多目标状态估计 概率假设密度 状态提取 谱聚类 Nystrm逼近

【作者】张慧 [1,2,3] ; 韩崇昭 [1,2,3] ; 闫小喜 [1,2,3]

【关键词】多目标状态估计概率假设密度状态提取谱聚类 Nystrm逼近