基于代价函数修正的异类传感器数据关联算法

针对现有异类传感器数据关联算法在构造关联代价时未充分考虑最大似然估计引入误差的问题,提出了一种修正代价函数的异类传感器数据关联算法。基于主、被动传感器各自的优势信息构造观测矩阵,得到目标的位置估计,继而根据异类传感器融合系统的观测模型得到伪量测信息,并利用一阶泰勒展开近似推出伪量测的方差信息,再用其对关联代价函数进行修正,改进后的代价函数能更加准确地描述量测之间的关系。仿真结果表明,修正后的关联代价函数能更精确地反映数据关联的可能性程度,所提算法可获得更好的关联正确率。     

基于GA的漏检情况下多传感器多目标数据关联算法

研究了漏检情况下多传感器多目标检测中的数据关联问题,并将其描述为数学规划中组合最优化问题,当传感器大于３时,该问题的求解是ＮＰ的。提出一种基于ＧＡ（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ）的数据关联算法,仿真实验表明,该算法具有较高的关联成功率,并能优化求解的多目标个数,提高多传感器系统的检测概率。     

基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

多传感器异步数据融合算法

由于传感器的采样速率和通信延迟,传感器的不同步问题大大降低了多传感器系统数据融合的精度。研究多传感器异步融合比同步数据融合更为迫切。该文利用误差协方差阵的迹最小准则建立了多传感器异步融合模型,给出了具有普遍意义的多传感器异步融合模型,弥补了目前多传感器异步数据融合仅限于两两传感器的局限性,并从理论上对多传感器异步融合的性能进行了分析。仿真结果表明该异步融合模型是有效的,能够对多传感器的异步数据进行优化处理,并且优于单一传感器的性能。     

数据融合处理中的数据关联技术

数据关联是数据融合处理中基本的问题之一。结合工程实践，详细介绍了雷达数据融合处理中使用的多项式拟合，讨论了数据关联处理的一般步骤和常用的关联滤波方法。》     

机载多传感器两种数据融合方法探讨

分析了最大似然估计法和贝叶斯判别法，并将其应用在完成目标２估计和判别的数据和合方面。讨论了该方法实现机载雷达和红外探测器的数据融合及其对目标检测性能和抗干扰性能提高的效果。     

一种多传感器融合的多维数据互联算法

多传感器融合的数据关联问题一直是目标跟踪领域的核心与难点之一.文中提出了一种多传感器融合的多维数据互联算法.首先进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的数据互联算法,对现有的多维数据互联算法存在问题进行了分析和改进,给出了算法实现的伪代码.仿真与实验结果表明,该算法对弹道目标跟踪具有较好的效果,对复杂环境下的多目标也能进行稳定地跟踪.     

多传感器关联算法现状与研究进展

本文按照三大类数据关联算法研究,即基于统计和似然的关联算法、基于模糊数学和神经网络的关联算法和基于目标参照拓扑信息的关联算法,分别探讨了各类关联算法的研究现状和面临的问题,并对关联算法的研究趋势进行了展望。     

无源多传感器多目标融合的关联算法研究

无源多传感器多目标融合在信息融合技术中具有非常重要的意义,而测量数据的关联问题则是其中的一个关键问题。本文从实际的工程研究入手,探寻无源多传感器多目标融合的关联算法。首先基于目标属性参数进行关联,再对已定位目标进行位置相关,最后通过模糊评估获得最佳关联目标。     

多传感器多目标联合概率数据关联研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器密集多目标跟踪,则计算量剧增,数据关联成功率下降。因此,改进联合概率数据关联(AJPDA)算法对多传感器多目标量测进行同源划分及单一传感器测量数据转换,然后采用JPDA算法求解空间目标轨迹交叉时的数据关联。仿真结果表明,AJPDA算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题。     

基于信息散度的雷达/红外数据关联算法

针对基于多维分配模型的雷达与红外数据关联算法在构造关联代价函数时未考虑最大似然估计引入的误差的一问题,提出了一种基于信息散度的雷达与红外数据关联算法.该算法首先利用无迹变换获得伪量测的统计信息.然后在构造关联代价函数时,将真实量测数据的极大后验分布和伪量测的概率密度函数的之间的Kullback-Leibler散度(KLD)作为关联代价,继而代入多维分配模型求解关联.最后进行了仿真分析,结果表明该算法具有良好的关联性能,其关联代价可更精准地反映数据关联的可能性程度.     

基于FP-tree算法的推荐系统设计与实现

当前是信息爆炸的时代,推荐系统已成为解决当前网络信息超载的有效工具。文章针对网上书店的电子商务网站的销售特点,详细地设计了推荐系统,并利用挖掘技术中的FP-tree关联规则算法实现数据挖掘运算,很好的实现了在线推荐的系统功能。     

FP-tree关联规则算法在推荐系统中的应用

近几年,由于电子商务迅猛发展,推荐系统逐渐成为了最热门的竞争手段。目前,推荐系统主要包括三个方面的推荐:热卖产品推荐、新产品上市推荐和相关产品推荐等。文中关注相关产品推荐,也就是利用数据挖掘技术在大量的历史销售记录数据中进行挖掘,找出隐藏在不同的商品之间的相关信息,用动态网页的形式向用户推荐。采用FP-tree关联规则算法实现对客户信息的数据挖掘,并将其应用在推荐系统中。     

基于云计算系统的数据节能算法

在云计算海量数据存储和数据中心节能算法的综合应用中,更加注重云计算系统数据能耗问题的有效解决。云计算系统中数据能耗问题的产生,不仅增加了二氧化碳的排放量,同时也带来了较为严重的环境问题。结合云计算的定义特点,对云计算系统数据的高能耗问题进行研究分析。通过分析数据节能算法的分类,对DVFS(动态电压频率调整)数据节能算法以及虚拟化节能算法进行分析,并对比其他算法优缺点,同时对应用场景进行描述,最后对云计算系统的数据能耗管理过程做了具体的总结。     

红外警戒系统中的数据互联算法

文中研究了舰载红外警戒系统中的多目标数据互联算法，提出了二维广义扇形相关波站及门限参数的设置方法和红外多目标跟踪中的粗、精互联准则。，建立了航迹方位顺序号的概念，讨论了迷信息的存贮及顺序号的转换方式，定义了用于最近邻准则的统计距离，研究了航迹类型转换与互联质量设计问题。     

AN INCREMENTAL UPDATING ALGORITHM FOR MINING ASSOCIATION RULES

In this letter,on the basis of Frequent Pattern(FP) tree,the support function to update FP-tree is introduced,then an incremental FP(IFP) algorithm for mining association rules is proposed.IFP algorithm considers not only adding new data into the database but also reducing old data from the database.Furthermore,it can predigest five cases to three case .The algorithm proposed in this letter can avoid generating lots of candidate items,and it is high efficient.     

基于D-S证据理论的无源航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。     

基于当前统计模型的TCAS/ADS-B组合监视系统数据融合算法

比较了空中交通警戒与防撞系统(TCAS)和自动相关监视系统(ADS-B)的监视原理,构建了TCAS/ADS-B组合监视系统,对组合监视系统的监视区域进行了划分。采用当前统计模型的数据融合算法,得到了优化的TCAS局部轨迹估算和优化的ADS-B局部轨迹估算,以及优化的融合轨迹估算。仿真结果显示,最大优化融合位置误差为100 m,证明该组合监视系统可以提高目标飞机轨迹估算的准确度,从而提高TCAS的监视精度。     

Balanced association algorithm for IEEE 802.11 extended service areas

Most wireless local area network performance estimations are done with the assumption of uniformly distributed (UD) users. In practice, however, stations (STAs) are distributed unevenly among access points (APs) in an extended service area, causing congested hot‐spots (HS) and under‐utilized APs. Considering a typical network is made up of multiple APs, having some nodes carrying excessive loads degrades the overall network performance. The system performance can be improved by associating STAs efficiently throughout the network, in a sense sharing the network resources fairly among APs and thus relieving congestion. The association algorithm currently employed in IEEE 802.11 systems, that is specifically designed for residential and small office environments, takes into account signal strength as the only parameter and associates STAs to the closest (in signal strength sense) AP, ignoring its load. Novel user association algorithms are required to solve the problems commonly seen in corporate network environments spanning multiple APs, namely congestion relief and resource sharing. In this work, a distributed and online association algorithm is proposed that demonstrates improved average throughput performance, a balanced load distribution as well as fairness across the network compared to the conventional algorithm. Copyright © 2008 John Wiley & Sons, Ltd.     

一种新的渐进式关联规则挖掘算法

针对渐进式关联规则挖掘问题提出了一个有效的处理算法，即IDM—A算法。它能根据数据库的动态变化，高效地进行关联规则的更新。通过知识数据库的维护，最多只需要扫描原始数据库一次，就能得到所需的频繁项目集，能有效地降低更新关联规则所需的时间成本。