|
|
1.
基于改进
K-means++聚类的多扩展目标跟踪算法
俞皓芳, 孙力帆, 付主木
计算机应用
2020, 40 (1):
271-277.
DOI: 10.11772/j.issn.1001-9081.2019061057
针对多扩展目标跟踪过程中量测集划分准确度低和计算量大的问题，提出一种基于改进
K-means++聚类划分的高斯混合假设密度强度多扩展目标跟踪算法。首先，根据下一时刻目标可能变化的情况缩小
K值的遍历范围；其次，利用目标预测状态选择初始聚类中心点，为正确划分量测集提供依据，从而提高聚类算法的精度；最后，将所提改进
K-means++聚类划分方法应用到高斯混合概率假设滤波器中，联合估计多目标的个数和状态。仿真实验结果表明：与基于距离划分和基于
K-means++的多扩展目标跟踪算法相比，该算法在平均跟踪时间上分别减小了59.16%和53.25%，同时其最优子模式指派度量（OSPA）远小于以上两种算法。综上，该算法能在大幅度降低计算复杂度的同时取得比现有量测集划分方法更为优异的跟踪性能。
参考文献 |
相关文章 |
多维度评价
|
|
