两类数据融合算法及其在目标跟踪中的研究
发布时间：2021-12-24 00:00
数据融合作为数据挖掘的重要部分,其通过综合数据各方面的特征,以提取出数据所蕴含的更大的价值。该技术已被广泛应用于计算机交互、健康监护、目标跟踪等领域。基于改进模糊C均值聚类的数据融合算法（RFCM）是一种经典且传统的融合算法,通过将RFCM应用到数据融合中,其具有自动对样本数据进行分类、聚类速度快等优点。此外,基于深度长短时记忆网络的数据融合算法（DLSTM）是一种基于深度学习的融合算法,其能维持数据间的关系且能很好地处理长期时序数列等优点。但任何一种单一的融合算法都存在局限性,因此本文对RFCM与DLSTM算法的不足进行创新与改进,提出了相应的改进算法。论文工作如下:1.提出了自适应模糊C均值聚类的数据融合算法。针对RFCM算法存在融合不精确、融合可信度较低等不足,本文引入了自适应系数,结合卡尔曼滤波原理和基于多层感知机的神经网络预测法,进行误差协方差的估计,并设计了一种融合策略,从而提出了一种自适应模糊C均值聚类的数据融合算法,即ARFCM算法。通过具有不同属性的合成数据集与真实数据集的仿真实验,将ARFCM算法与FCM、RFCM、RLS、KF、EFCM、FDP-FCM、IIFCM...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
可看出，大多数(k)
5.2 Bird1示的是由眼动仪采集的 Bird1 视频序列的目标的运动轨迹 { }P |1i= p ≤ i ≤ n，其中 ( ), ,i i i ip = t x y，it 为图片的帧数，ix的空间位置。注视、眼跳、平滑尾随是眼动数据的三个主对于感兴趣的目标以及背景，人眼注视的位置比较稳定；眼跳表现为当目标发生光照变化、遮挡、变形、运动模糊时，人眼的运动较快，甚至会发生失帧或连续失帧的情况；动的幅度不大时，人眼不断追随目标的运动以致注视点前后跟踪数据采集化相关滤波[53]与跟踪学习检测[49]（TrackingLearningDetec视频序列的目标进行跟踪，得到一系列的跟踪数据。其中核于机器学习的短时目标跟踪算法，该算法采用岭回归实现在现了对搜索区域的密集采样，增加了学习样本的多样性，并
5.3 MontorRolling5.2.4 跟踪数据特点当目标在运动过程中发生部分遮挡、目标的位置以及形状瞬时发生突变、光严重不均衡时，利用核化相关滤波算法采集的部分跟踪数据如图 5.4 所示，由的数量太多且篇幅限制，故本章只展示了 MontorRolling 视频序列的跟踪数据情况。
【参考文献】：
期刊论文
[1]无线传感网中一种智能数据融合算法的实现及仿真分析[J]. 胡强,王海涛,底楠,陈晖,黄达. 传感技术学报. 2018(02)
[2]无线传感器网络数据融合算法综述[J]. 张浩,张静静. 软件. 2017(12)
[3]基于改进的核相关滤波器的目标跟踪算法[J]. 秦晓飞,代顺锋,李峰. 测控技术. 2017(10)
[4]基于模糊证据理论的多传感器数据融合算法[J]. 璩晶磊,李少波,张成龙. 仪表技术与传感器. 2017(10)
[5]基于密度峰值优化的模糊C均值聚类算法[J]. 刘沧生,许青林. 计算机工程与应用. 2018(14)
[6]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[7]多传感器自主跟踪中的数据融合方法[J]. 单海蛟,刘伟宁,王嘉成,刘培勋,李治根,邓耀华. 液晶与显示. 2016(08)
[8]有效距离在聚类算法中的应用[J]. 光俊叶,刘明霞,张道强. 计算机科学与探索. 2017(03)
[9]基于改进模糊聚类的同构多传感器在线数据融合方法[J]. 苏卫星,朱云龙,刘芳,马连博. 信息与控制. 2015(05)
[10]无线传感器网络数据融合研究综述[J]. 魏秀蓉. 无线互联科技. 2015(14)
硕士论文
[1]VTS多雷达目标融合技术[D]. 吴志奇.大连海事大学 2017
本文编号：3549437
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
可看出，大多数(k)
5.2 Bird1示的是由眼动仪采集的 Bird1 视频序列的目标的运动轨迹 { }P |1i= p ≤ i ≤ n，其中 ( ), ,i i i ip = t x y，it 为图片的帧数，ix的空间位置。注视、眼跳、平滑尾随是眼动数据的三个主对于感兴趣的目标以及背景，人眼注视的位置比较稳定；眼跳表现为当目标发生光照变化、遮挡、变形、运动模糊时，人眼的运动较快，甚至会发生失帧或连续失帧的情况；动的幅度不大时，人眼不断追随目标的运动以致注视点前后跟踪数据采集化相关滤波[53]与跟踪学习检测[49]（TrackingLearningDetec视频序列的目标进行跟踪，得到一系列的跟踪数据。其中核于机器学习的短时目标跟踪算法，该算法采用岭回归实现在现了对搜索区域的密集采样，增加了学习样本的多样性，并
5.3 MontorRolling5.2.4 跟踪数据特点当目标在运动过程中发生部分遮挡、目标的位置以及形状瞬时发生突变、光严重不均衡时，利用核化相关滤波算法采集的部分跟踪数据如图 5.4 所示，由的数量太多且篇幅限制，故本章只展示了 MontorRolling 视频序列的跟踪数据情况。
【参考文献】：
期刊论文
[1]无线传感网中一种智能数据融合算法的实现及仿真分析[J]. 胡强,王海涛,底楠,陈晖,黄达. 传感技术学报. 2018(02)
[2]无线传感器网络数据融合算法综述[J]. 张浩,张静静. 软件. 2017(12)
[3]基于改进的核相关滤波器的目标跟踪算法[J]. 秦晓飞,代顺锋,李峰. 测控技术. 2017(10)
[4]基于模糊证据理论的多传感器数据融合算法[J]. 璩晶磊,李少波,张成龙. 仪表技术与传感器. 2017(10)
[5]基于密度峰值优化的模糊C均值聚类算法[J]. 刘沧生,许青林. 计算机工程与应用. 2018(14)
[6]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[7]多传感器自主跟踪中的数据融合方法[J]. 单海蛟,刘伟宁,王嘉成,刘培勋,李治根,邓耀华. 液晶与显示. 2016(08)
[8]有效距离在聚类算法中的应用[J]. 光俊叶,刘明霞,张道强. 计算机科学与探索. 2017(03)
[9]基于改进模糊聚类的同构多传感器在线数据融合方法[J]. 苏卫星,朱云龙,刘芳,马连博. 信息与控制. 2015(05)
[10]无线传感器网络数据融合研究综述[J]. 魏秀蓉. 无线互联科技. 2015(14)
硕士论文
[1]VTS多雷达目标融合技术[D]. 吴志奇.大连海事大学 2017
本文编号：3549437
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3549437.html
