基于区域分布概率密度估计的轨迹分类方法

• 作者: 曹卫权 李智翔 褚衍杰 魏强
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 轨迹分类 最小描述长度 核密度估计 高斯核 最大似然
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 262-267,286
• 页数: 7页
• 分类号: TP391
• 字数: 5312字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.04.042

摘要

区域分布是运动目标的重要特征,可用于目标轨迹分类.已有分类方法往往假设轨迹片段呈矩形簇状或混合高斯状分布,限制了轨迹分类精度的提升.为此,提出一种基于核密度估计和最大似然判决的轨迹分类方法,消除已有分类方法对数据分布模型的先验假设,进而解决因模型不适配导致的轨迹分类准确率受限问题.实验结果表明,相较于最小描述长度划分、高斯混合模型等方法,该方法对参数不敏感,训练时间明显缩短,轨迹分类准确率提升5％ ～ 15％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	褚衍杰		12	37	4.0	5.0
2	魏强		8	26	3.0	5.0
3	李智翔		6	12	2.0	3.0
4	曹卫权		5	13	2.0	3.0