概率假设密度高斯混合实现的分量删减
针对概率假设密度(Probability hypothesis density,PHD)高斯混合实现算法中的分量删减问题,提出了基于Dirichlet分布的分量删减算法以改进概率假设密度高斯混合实现算法的性能.算法采用极大后验准则估计混合参数,采用仅依赖于混合权重的负指数Dirichlet分布作为混合参数的先验分布,利用拉格朗目乘了推导了混合权重的更新公式.算法利用负指数Dirichlet分布的不稳定性,在极大后验迭代过程中驱使与目标强度不相关的分量消亡.该不稳定性还能够解决多个相近分量共同描述一个强度峰值的问题,有利于后续多目标状态的提取.仿真结果表明,基于Dirichlet分布的分量删减算法优于典型高斯混合实现中的删减算法.
概率假设密度、高斯混合实现、分量删减、Dirichlet分布、极大后验
37
TN713(基本电子电路)
国家重点基础研究发展计划973计划项目2007CB311006;国家自然科学基金创新研究群体科学基金60921003;国家自然科学基金61074176
2012-03-20（万方平台首次上网日期，不代表论文的发表时间）
1313-1321
