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:
在多目标状态跟踪估计方法的研究中,多目标数据关联容易陷入局部最优状态以及跟踪精度不高的缺点,提出一种改进蚁群算法的数据关联方法.改进方法为:在传统蚁群算法的基础上,引入标识判定系数来调节信息素浓度的增量,避免某条路径上信息素浓度增长过快,从而陷入局部极值的情况,同时对挥发因子进行自适应控制,保持搜索的平衡性和全局性,避免搜索落入局部最优从而陷入停滞状态.仿真结果表明,改进的蚁群算法在多目标跟踪中,既可有效地避免搜索落入局部最优的弊端,又明显地提高了跟踪精度.
推荐文章
模糊自适应遗传算法在多传感器多目标跟踪中的应用
多目标跟踪
数据关联
自适应遗传算法
模糊控制
基于遗传算法的自适应机动多目标跟踪算法
多目标跟踪
数据关联
遗传算法
自适应
滤波参数
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
基于基础颜色特征的自适应尺度的多目标跟踪算法
基础颜色特征
自适应尺度因子
多目标跟踪
颜色命名过程
主成分分析
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 自适应蚁群算法在多目标跟踪中的应用
来源期刊 计算机仿真 学科 工学
关键词 多目标跟踪 数据关联 蚁群算法 信息素 挥发因子
年,卷(期) 2014,(9) 所属期刊栏目 仿真智能化
研究方向 页码范围 369-373
页数 5页 分类号 TN955
字数 4282字 语种 中文
DOI
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 刘以安 江南大学物联网工程学院 114 862 15.0 23.0
2 林涛 江南大学物联网工程学院 2 9 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (50)
参考文献  (7)
节点文献
引证文献  (8)
同被引文献  (40)
二级引证文献  (19)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(5)
  • 参考文献(3)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(4)
  • 引证文献(4)
  • 二级引证文献(0)
2016(5)
  • 引证文献(2)
  • 二级引证文献(3)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
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
数据关联
蚁群算法
信息素
挥发因子
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
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
论文1v1指导