- · 图书馆乐享数字资源主题活动[11/26]
- · 图书馆共享党员之家活动室启用[11/26]
- · 转发:教育系统“美好‘食’光””校园系列活动主题作品征集活动通知[11/03]
- · 红柳法学大讲堂第二十八期[11/03]
- · 关于举办兰州理工大学“红柳之星”2020校园新生才艺大赛的通知[10/30]
- · “科学家精神报告团”进校园活动通知[10/28]
- · 兰州理工大学2020年秋季学期国家普通话水平测试报名通知[10/27]
- · 2020年秋季学期至2021年寒假国内外线上线下交流项目报名通知[10/20]
基于密度模糊C均值量测集划分的多扩展目标跟踪算法
作者: 陈辉 赵维娓
关键词: 多扩展目标 量测集划分 模糊C均值 密度函数 自适应门
摘要:针对多扩展目标跟踪中的量测集划分问题,提出一种自适应门密度模糊 C 均值(fuzzy C-means,FCM)量测集划分算法.首先,该算法利用自适应门对量测集进行预处理,滤除部分杂波量测,在降低算法计算复杂度的同时提高了量测集划分的准确度.然后,采用密度函数法产生 FCM的初始聚类中心,并给出自适应门密度 FCM多扩展目标量测集划分算法的详细过程.最后,采用容积卡尔曼滤波求解非线性框架下具有封闭解的扩展目标高斯混合概率假设密度(ET-GMPHD)滤波算法.仿真实验验证了算法的有效性.
上一篇: 基于特征方程的蝙蝠算法分析及其改进策略
下一篇: 基于小波域稀疏表示和自适应混合样本回归的图像超分辨率重建算法