基于均值漂移聚类的扩展目标量测集划分算法

• 作者: 刘风梅 李鹏 杨金龙 葛洪伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多扩展目标跟踪 量测集划分 均值漂移聚类 极大似然估计 距离划分 紧邻的扩展目标
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 182-187,194
• 页数: 7页
• 分类号: TP301.6
• 字数: 5433字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.12.034

摘要

在噪声环境下，存在扩展目标数未知且变化的多扩展目标跟踪量测集难以划分、计算代价高的问题。为此，提出一种基于均值漂移聚类的量测集划分算法。通过迭代更新中心点，使其收敛于局部最优，并引入极大似然估计技术估计每个划分子集中的目标数，对于目标数大于1的子集采用模糊C均值聚类算法进行二次划分，使得划分的量测子集与各个扩展目标一一对应。实验结果表明，该算法在多扩展目标量测集划分性能上明显优于传统的距离划分和K-means++划分算法，尤其是在保持跟踪精度的前提下量测集划分数和计算代价明显降低，且能较好地划分紧邻扩展目标的量测集。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛洪伟	江南大学物联网工程学院	86	456	11.0	17.0
2	李鹏	江南大学物联网工程学院	9	26	3.0	5.0
3	杨金龙	江南大学物联网工程学院	28	103	7.0	8.0
4	刘风梅	江南大学物联网工程学院	2	18	2.0	2.0