基于最大熵直觉模糊核聚类的目标跟踪算法
为了提高杂波环境下目标跟踪的正确关联率和实时性,本文提出一种基于最大熵直觉模糊核聚类的目标融合跟踪算法.先通过密度函数法确定初始聚类中心,再通过加入核函数和放松对隶属度的限制,并且通过样本加权给离群点和样本点不同的权值,从而可以减少离群点和噪声点的干扰,最后通过直觉指数引入直觉模糊集,得到改进后隶属度矩阵,以隶属度矩阵作为关联概率进行目标与观测的关联,并用卡尔曼滤波进行目标模型的更新,提高目标跟踪的正确关联率和实时性.实验表明,本文算法相对传统的模糊C均值聚类算法可以提高目标正确关联率3%左右,并且在算法耗时方面平均减少了 0.1 s,相对于最大熵模糊C均值聚类算法可以提高目标正确关联率1.9%左右,算法耗时平均减少0.4 s,表明本文算法在提高目标跟踪正确关联率并增加算法实时性拥有更好的效果.
密度函数法、最大熵模糊聚类、直觉模糊集、核函数、加权
32
TP391.41(计算技术、计算机技术)
陕西省重点研发项目2019GY-107
2021-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
382-388