基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
把一种基于Kohonen神经网络模糊聚类方法运用到多传感器多目标数据关联中来,该方法能对多传感器的测量数据进行自组织聚类,把测量数据准确地划分到各个类别中去,从而实现测量数据的关联.计算机仿真结果表明,该方法运用到多传感器多目标数据关联中来具有明显的优越性,能克服传统算法的错跟漏跟现象.
推荐文章
基于神经网络的多传感器融合技术研究
神经网络
多传感器融合
BP算法
自主吸尘机器人
基于BP神经网络的多传感器信息融合研究
压力检测
信息融合
多传感器信息融合
BP神经网络
无线传感器网络数据融合算法的改进与实现
无线网络技术
数据融合
神经网络
拓扑控制
基于PSO—BP的无线传感器网络数据融合算法研究
数据融合
无线传感器网络
粒子群算法
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进Kohonen神经网络的多传感器关联融合算法
来源期刊 江苏船舶 学科 交通运输
关键词 多目标跟踪 数据融合 自组织聚类 神经网络
年,卷(期) 2006,(1) 所属期刊栏目 计算机应用
研究方向 页码范围 32-35
页数 4页 分类号 U66
字数 3249字 语种 中文
DOI 10.3969/j.issn.1001-5388.2006.01.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈小惠 江苏科技大学电子信息学院 9 48 4.0 6.0
2 陈蓓玉 江苏科技大学电子信息学院 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (22)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(2)
  • 参考文献(0)
  • 二级参考文献(2)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(8)
  • 参考文献(2)
  • 二级参考文献(6)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多目标跟踪
数据融合
自组织聚类
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
江苏船舶
双月刊
1001-5388
32-1230/U
大16开
江苏省镇江市正东路5号
1980
chi
出版文献量(篇)
1869
总下载数(次)
5
总被引数(次)
4142
论文1v1指导