国家重点基础研究发展计划(2013CB329405) 作品数:31 被引量:268 H指数:8 相关作者: 韩崇昭 韩德强 连峰 杨艺 朱洪艳 更多>> 相关机构: 西安交通大学 兰州理工大学 中国电子科技集团公司 更多>> 发文基金: 国家重点基础研究发展计划 国家自然科学基金 中央高校基本科研业务费专项资金 更多>> 相关领域: 自动化与计算机技术 电子电信 理学 文化科学 更多>>
CBMeMBer滤波器序贯蒙特卡罗实现新方法的研究 被引量:5 2016年 为提升多伯努利滤波器序贯蒙特卡罗(Sequential Monte Carlo,SMC)实现中粒子采样的有效性,提出一种CBMe MBer辅助粒子滤波(Auxiliary particle filter,APF)实现的新方法.首先,利用多伯努利后验概率密度选择适合于CBMe MBer滤波器的辅助变量去重新定义采样问题.分别选择量测和先验密度分量作为辅助变量,确保最终的状态粒子能够集中在真实目标量测对应航迹的伯努利概率密度上进行采样,以使粒子向似然函数的峰值区移动,得到更为精确的多目标多伯努利(Multi-target multi-Bernoulli,Me MBer)后验概率密度的估计.同时,文中深入研究并给出了在量测更新和漏检情况下辅助变量以及多目标状态采样分布函数的设计,并研究利用渐近更新(Progressive correction,PC)算法对先验密度分量的量测更新进行迭代逼近计算,以提高最终分布函数求解的准确度.最后,针对两个典型非线性多目标跟踪问题的应用验证了算法的有效性. 陈辉 韩崇昭关键词:多目标跟踪 随机有限集 利用证据神经网络的多分类器系统构造 被引量:4 2018年 为了充分利用数据信息进而提高分类正确率,提出一种证据神经网络的分类器,并据此构造了多分类器系统。首先将训练数据中的含混数据视为新类别——混合类,将原始的训练数据重组成含有混合类的训练数据,然后使用证据神经网络分类器系统用重组后含混合类的训练数据进行训练,对分类输出进行证据建模,并使用多种不同的证据组合规则实现多分类器融合。采用人工数据集和UCI数据集进行对比实验,结果表明:与其他采用神经网络的多分类器系统相比,采用证据神经网络的多分类器系统能有效提高分类正确率;在数据集Magic 04和Waveform2上,采用提出的多分类器系统比采用投票法的神经网络多分类器系统的分类正确率分别提高了6%和10%左右。 和红顺 韩德强 杨艺关键词:神经网络 多分类器系统 证据理论 基于证据理论的特征空间评价方法 特征选择和提取是模式分类中的最为关键和本质的问题之一.特征选择和提取的基本任务是如何从许多特征中找出或变换出那些最重要和有效的特征,因此在特征选择和提取的过程中需要对不同特征空间进行评价.传统的特征空间评价方法大多是直接... 杨艺 韩德强 韩崇昭关键词:证据理论 文献传递 基于多目标均方误差界的多传感器控制算法 被引量:4 2020年 提出了一种新的基于集中式处理结构的有约束多传感器控制算法.该算法将多目标均方误差界作为传感器控制的代价函数.为了应用信息不等式得到该误差界,2阶最优子模式分配测度被用于度量状态集和其估计集间的误差,并采用δ-广义标签多伯努利滤波器执行多目标Bayes递推.混合罚函数法和复合形法被用来降低求解该有约束优化问题的计算量.仿真结果表明对于由多个不同观测性能传感器组成的带约束条件的控制系统,本方法的跟踪精度显著优于柯西–施瓦茨散度法;并且当传感器个数较多时,混合罚函数和复合形法的计算时间相比穷尽搜索法显著缩短而跟踪精度损失很小. 连峰 侯利明 刘静 韩崇昭关键词:多目标跟踪 贝叶斯估计 误差界 群目标联合检测与估计误差界的递推形式 被引量:1 2015年 在随机有限集框架下给出了当杂波和漏检存在时,群目标联合检测与估计(Joint detection and estimation,JDE)误差界的递推形式.首先,将多个群目标运动过程建模为一个多Bernoulli过程,并采用连续个体目标数假设建模群目标观测似然函数;其次,采用最优子模式分配距离定义群目标JDE误差;最终,利用信息不等式推导获得了建议的误差界.仿真实验在不同杂波密度和检测概率场景下利用群势概率假设密度和群势平衡多目标多Bernoulli滤波器对该误差界的有效性进行了验证. 连峰 吕宁 韩崇昭关键词:误差界 随机有限集 多目标联合检测与估计的误差界 被引量:1 2015年 在随机有限集框架下提出了当杂波和漏检存在时基于最优子模式分配距离的多目标联合检测与估计(JDE)误差界.此处的JDE是指同时估计目标个数和存活目标状态.算例1展示了该误差界随传感器检测概率和杂波密度的变化趋势;算例2利用多假设跟踪,概率假设密度(PHD)和势PHD滤波器对该误差界的有效性进行了验证. 连峰 王婷婷 韩崇昭关键词:误差界 多目标跟踪 随机有限集 最短特征线段多分类器系统设计 被引量:1 2015年 为提高多分类器系统分类的性能,设计了一种使用最短特征线段分类器的多分类器系统。依据最短特征线段分类算法工作机理,利用特征线段长度表征样本隶属于各个类别的可能性,即模糊隶属度,对成员分类器输出形式完成由摘要级至度量级的重新建模,更多地保留输出细节以减少信息损失,进而利用基于模糊的证据融合规则实现成员分类器的度量级融合,通过隶属度到mass函数的转换,利用模糊-证据融合规则实现多分类器系统的构造,进一步提高了多分类器系统分类性能。采用人工数据集和UCI数据集设计了对比实验,实验表明,与其他邻域型分类器构造的多分类器系统相比,新多分类器系统能有效提升分类正确率。 丁建坤 韩德强 杨艺关键词:多分类器系统 证据理论 基于邻域证据场的图像分割算法 图像分割是实现计算机图像分析和模式识别的首要问题,也是图像处理领域的经典难题之一.本文在分析传统的图像分割方法不足的基础上提出了一种邻域证据场模型.在此模型及方法中,基于证据函数对像素及其邻域信息建模,并基于此实现图像分... 李世诚 韩德强 杨艺 韩崇昭关键词:图像分割 证据理论 空间信息 文献传递 一种基于FCOWA-ER的SVM多分类方法 被引量:3 2015年 支持向量机(SVM)在处理多分类问题时,需要综合利用多个二分类SVM,以获得多分类判决结果.传统多分类拓展方法使用的是SVM的硬输出,在一定程度上造成了信息的丢失.为了更加充分地利用信息,提出一种基于证据推理-多属性决策方法的SVM多分类算法,将多分类问题视为一个多属性决策问题,使用证据推理-模糊谨慎有序加权平均方法 (FCOWA-ER)实现SVM的多分类判决.实验结果表明,所提出方法可以获得更高的分类精度. 刘卫兵 杨艺 韩德强关键词:支持向量机 DS证据理论 多属性决策 高斯混合扩展目标多伯努利滤波器 被引量:10 2014年 针对杂波环境下多扩展目标跟踪中数据关联过程复杂的问题,提出一种可同时估计扩展目标状态和目标数的高斯混合扩展目标多伯努利(GM-ET-MBer)滤波器,该滤波器无需对测量与扩展目标进行关联。首先采用伯努利随机有限集和泊松随机有限集分别描述扩展目标的状态和观测;然后结合扩展目标状态的预测信息,推导了扩展目标状态的更新方程,并在线性高斯条件下采用高斯混合方法递推地对扩展目标的状态进行估计跟踪。与高斯混合扩展目标概率假设密度(GM-ET-PHD)滤波器相比,GM-ET-MBer滤波器有效地提高了对目标数的估计精度。仿真结果表明,GM-ET-MBer滤波器和GM-ET-PHD滤波器对目标数估计的标准偏差分别为0.267 3和0.395 3,可知所提滤波器对目标数的估计更稳定。 张光华 连峰 韩崇昭 姚玲玲关键词:随机有限集 数据关联 高斯混合