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:
针对跟踪中多目标数据关联问题,在蚁群数据关联(ACDA)算法的基础上,提出了一种自适应蚁群数据关联方法,通过对转移概率和信息索持续度的自适应调整,改进了全局信息素更新,有效地避免了陷入局部最优问题.仿真实验证明:该算法在解决多目标数据关联问题上是行之有效的.
推荐文章
一种求解TSP的自适应蚁群优化算法
蚁群算法
旅行商问题(TSP)
组合优化
蜂群—蚁群自适应优化算法
优化问题
蚁群优化
人工蜂群算法
关联运输调度问题带遗传算子的自适应蚁群算法
关联运输调度问题
蚁群优化
遗传算法
自适应
多车场多车型
时间窗
自适应调整信息素的蚁群算法
蚁群算法
TSP问题
信息素
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 一种基于自适应蚁群算法的数据关联方法
来源期刊 传感器与微系统 学科 工学
关键词 多目标跟踪 蚁群数据关联 蚁群算法
年,卷(期) 2012,(8) 所属期刊栏目 研究与探讨
研究方向 页码范围 27-29
页数 分类号 TP391
字数 3088字 语种 中文
DOI 10.3969/j.issn.1000-9787.2012.08.009
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 许蕴山 空军工程大学工程学院 63 211 7.0 10.0
2 夏海宝 空军工程大学工程学院 49 171 7.0 9.0
3 张波雷 空军工程大学工程学院 4 13 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (41)
共引文献  (54)
参考文献  (10)
节点文献
引证文献  (4)
同被引文献  (17)
二级引证文献  (12)
1966(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(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)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(6)
  • 参考文献(2)
  • 二级参考文献(4)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(10)
  • 参考文献(2)
  • 二级参考文献(8)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
多目标跟踪
蚁群数据关联
蚁群算法
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
传感器与微系统
月刊
1000-9787
23-1537/TN
大16开
哈尔滨市南岗区一曼街29号
14-203
1982
chi
出版文献量(篇)
9750
总下载数(次)
43
总被引数(次)
66438
论文1v1指导