论文部分内容阅读
主要研究基于无线传感器网络的多目标分类方法。传统的最优分类方法的主要问题是：其假设类别数随着最大目标数指数倍增长。本文提出了一种基于粗略的分割假设空间的次优的分类器，通过真实数据的仿真结果证明次优混合密度高斯分类方法的性能与最优分类方法相当，而运算量远小于后者。所以次优混合密度高斯分类方法在实用方面更具有吸引力。