【摘 要】
：
机动目标跟踪无论在军用还是民用领域皆有广大的应用需求与实际意义,也一直是热点研究方向。在众多机动目标跟踪算法中,交互式多模型（Interacting Multiple Model,IMM）是应用最广泛的一种算法。然而,传统IMM算法在跟踪机动目标时,往往会出现模型库庞大导致计算量剧增、模型库难完全匹配目标运动状态的问题。针对上述问题,本论文基于模糊信息处理原理,引入目标模糊语义信息,重点研究基于特
论文部分内容阅读
机动目标跟踪无论在军用还是民用领域皆有广大的应用需求与实际意义,也一直是热点研究方向。在众多机动目标跟踪算法中,交互式多模型（Interacting Multiple Model,IMM）是应用最广泛的一种算法。然而,传统IMM算法在跟踪机动目标时,往往会出现模型库庞大导致计算量剧增、模型库难完全匹配目标运动状态的问题。针对上述问题,本论文基于模糊信息处理原理,引入目标模糊语义信息,重点研究基于特征选择的模糊语义目标跟踪算法,取得了如下成果:1)针对IMM算法模型集难以完全符合机动目标运动模型的问题,利用T-S模糊模型建模,提出了一种基于T-S模糊语义交互式机动目标跟踪算法（Interacting T-S Fuzzy Multiple Model by Using UKF,ITS-UKF）。ITS-UKF中,将目标运动特征作为T-S模糊模型系统前件,对选出的运动特征进行模糊划分,构建若干模糊规则;用UKF计算TS模糊模型后件参数,最后迭代使用FCRM算法优化前件参数。实验结果表明:在模型集不完全符合机动目标运动模型时,ITS-UKF具良好的跟踪误差性能表现。2)ITS-UKF中,当目标特征较多时,会使模型数量急剧增长。为此,提出一种基于粗糙集约简的T-S模糊语义交互式机动目标跟踪算法（Interacting T-S Fuzzy Multiple Model based on Rough Sets by Using UKF,ITSRS-UKF）。首先将ITS-UKF中各个模型权重与前件参数组成知识系统,用邻域粗糙集约简,剔除冗余模型。同时,过度的粗糙集约简,会消耗大量算力、丢失有效信息,根据各时刻、各模型残差提出一种自适应约简判断算法,通过残差监测跟踪情况,自适应进行特征重约简、特征再约简。实验结果表明:ITSRS-UKF可有效对特征进行约简,提高算法实时性。3)结合高阶累计量与Robinson-Guard滤波器,提出了一种基于T-S模糊语义的交互式红外弱小目标检测与跟踪算法。在提出算法中,首先对输入红外图像用RobinsonGuard滤波器初步滤除背景杂波与噪声,用Speeded Up Robust Features算法配准前后四帧图像,再计算连续四帧对准的Robinson-Guard滤波结果的高阶累计量,解出目标坐标,最后用ITSRS-UKF对检测结果跟踪。利用实测数据测试表明,提出方法可有效改善虚警率,提高跟踪精度。
其他文献
准确地预测股票价格对降低投资者的风险有着十分重要的意义。投资者可以通过对股价的合理预测来确定自身的投资组合,从而规避风险,获取更大的收益。虽然深度学习已经在股票价格预测上拥有很多的研究成果与实际应用,但是,仍然存在着泛化能力较弱,训练容易导致过拟合等基本问题,模型在预测阶段的表现较差。通常,数据增强以及合理调整模型架构能够有效地避免这类情况发生。本文主要针对长短期记忆网络（LSTM）在股票价格预测
股票市场作为社会经济的重要组成部分,为我国的经济发展发挥着重要的作用。投资者可以通过准确的价格走势预测,降低投资决策的风险。然而由于股票数据的非线性和非平稳特性,股票价格走势的准确预测往往非常困难。当前基于神经网络的深度学习算法（LSTM）,在股票价格预测中初步显示重要的算法优势。然而在训练过程中,仅仅采用梯度下降算法进行网络优化,预测的准确性有待提高。进化算法作为一种鲁棒性强全局寻优算法,可以用
物流行业发展面临着激烈的市场竞争压力和消费者服务要求不断升级的挑战。物流企业要在如此激烈的竞争环境中生存,提高企业的核心竞争力,物流车辆路径规划是物流管理中的关键环节之一,优化物流车辆路径规划对于减少运营成本和提高服务质量至关重要。由于车辆路径规划问题属于组合优化的NP难问题,该问题的求解存在诸多的困难,如算法的收敛速度慢,求解目标过多,问题约束苛刻等。为了平衡问题求解的时空复杂度,本文基于演化计
动态多目标优化问题无论在科学研究还是在实际应用中都广泛存在。此类问题不仅具有多目标优化问题的基本特征,主要表现在多个目标互相冲突无法同时达到最优,而且这些目标还会随着时间的变化而发生改变,如目标函数、目标函数的数目和限制条件都可能会随时间变化。这些动态变化可能引起问题的帕累托最优前沿（Pareto optimal front,PF）和帕累托最优解集（Pareto optimal set,PS）随着
卷积神经网络（Convolutional Neural Network,CNN）已经被广泛地应用在许多人工智能平台中。但是,由于卷积神经网络的推理过程涉及大量的数据迁移以及复杂的数据计算,它们仍然很少被部署在移动或边缘平台上。新兴的神经架构（Neuromorphic Architecture）旨在结合存内计算技术（Processing In Memory,PIM）来减少数据迁移,它采用三维堆叠的形
特征提取是数据分析中的核心步骤之一.如何从海量的数据中提取其有用信息已成为目前应用数学与模式识别领域的一个热点问题.常用的特征提取方法包括主成分分析（PCA）、线性判别分析（LDA）、局部保持投影算（LPP）和非负矩阵分解（NMF）.其中,非负矩阵分解（NMF）是主要针对非负数据的一种特征提取方法,其在人脸识别、聚类及高光谱分解等方面有着广泛的应用.然而,传统NMF还存在一些问题,比如没有充分利用
在现实工程问题中,多目标优化问题（MOPs）是一类非常常见的优化问题。多目标优化问题通常包含两个或两个以上相互冲突的目标。近年来,一系列针对不同类型多目标优化问题的多目标智能优化算法相继提出。然而,对于一些具有复杂的Pareto最优解集或最优端面的复杂多目标优化问题,它们的Pareto最优端面不同部分具有不同的收敛难度或者逼近的困难。因此,这类复杂多目标优化问题能有效地检验多目标智能算法的种群多样
目前,移动机器人的定位系统及算法在室内环境中已经取得了较好的定位效果,但是这些系统及算法在室外运行时会由于室外非结构化的环境、噪声和光照等各种因素的影响而无法很好地运行,因此室外移动机器人的定位仍然存在着许多问题亟待解决。本文主要研究使用视觉的传感数据在室外环境下移动机器人的定位问题,主要的研究内容如下:首先,针对移动机器人的定位问题,本文主要利用的是贝叶斯滤波的框架,已知贝叶斯滤波主要是通过运动
互联网技术发展迅速,网络文本信息激增。信息传播迅速而广泛,对社会有着重大的影响,因此高效地分析和处理文本信息变得尤为重要。文本分类是处理文本信息的关键技术之一,它可以帮助企业等各种机构有效地组织信息。因此,文本分类技术的研究在社会应用中具有重要意义。在文本分类技术中被广泛使用的循环神经网络（Recurrent Neural Network,RNN）,由于其有时间方向的传播和层与层之间的传播的两个维
近年来在国家优惠政策的支持和计算机视觉技术的发展,安防监控及计算机视觉相关产业快速发展,政府、公共场所、火车站、企业、城市、区民小区都跟随国家的政策和计算机视觉产业的需求,加入到安防产业的研究和落地,由于智慧城市和大数据城市的打造,安防相关产业一直保持高增长态势。随着人工智能和计算机视觉技术的发展,人脸、行人、车牌等成为了重要的监控对象。在大数据的不断发展,人脸检索算法需要消耗大量的检索时间,同时