發(fā)布時(shí)間：2021-12-24 00:00

　　數(shù)據(jù)融合作為數(shù)據(jù)挖掘的重要部分,其通過綜合數(shù)據(jù)各方面的特征,以提取出數(shù)據(jù)所蘊(yùn)含的更大的價(jià)值。該技術(shù)已被廣泛應(yīng)用于計(jì)算機(jī)交互、健康監(jiān)護(hù)、目標(biāo)跟蹤等領(lǐng)域。基于改進(jìn)模糊C均值聚類的數(shù)據(jù)融合算法（RFCM）是一種經(jīng)典且傳統(tǒng)的融合算法,通過將RFCM應(yīng)用到數(shù)據(jù)融合中,其具有自動(dòng)對(duì)樣本數(shù)據(jù)進(jìn)行分類、聚類速度快等優(yōu)點(diǎn)。此外,基于深度長短時(shí)記憶網(wǎng)絡(luò)的數(shù)據(jù)融合算法（DLSTM）是一種基于深度學(xué)習(xí)的融合算法,其能維持?jǐn)?shù)據(jù)間的關(guān)系且能很好地處理長期時(shí)序數(shù)列等優(yōu)點(diǎn)。但任何一種單一的融合算法都存在局限性,因此本文對(duì)RFCM與DLSTM算法的不足進(jìn)行創(chuàng)新與改進(jìn),提出了相應(yīng)的改進(jìn)算法。論文工作如下:1.提出了自適應(yīng)模糊C均值聚類的數(shù)據(jù)融合算法。針對(duì)RFCM算法存在融合不精確、融合可信度較低等不足,本文引入了自適應(yīng)系數(shù),結(jié)合卡爾曼濾波原理和基于多層感知機(jī)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法,進(jìn)行誤差協(xié)方差的估計(jì),并設(shè)計(jì)了一種融合策略,從而提出了一種自適應(yīng)模糊C均值聚類的數(shù)據(jù)融合算法,即ARFCM算法。通過具有不同屬性的合成數(shù)據(jù)集與真實(shí)數(shù)據(jù)集的仿真實(shí)驗(yàn),將ARFCM算法與FCM、RFCM、RLS、KF、EFCM、FDP-FCM、IIFCM... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

可看出，大多數(shù)(k)

5.2 Bird1示的是由眼動(dòng)儀采集的 Bird1 視頻序列的目標(biāo)的運(yùn)動(dòng)軌跡 { }P |1i= p ≤ i ≤ n，其中 ( ), ,i i i ip = t x y，it 為圖片的幀數(shù)，ix的空間位置。注視、眼跳、平滑尾隨是眼動(dòng)數(shù)據(jù)的三個(gè)主對(duì)于感興趣的目標(biāo)以及背景，人眼注視的位置比較穩(wěn)定；眼跳表現(xiàn)為當(dāng)目標(biāo)發(fā)生光照變化、遮擋、變形、運(yùn)動(dòng)模糊時(shí)，人眼的運(yùn)動(dòng)較快，甚至?xí)l(fā)生失幀或連續(xù)失幀的情況；動(dòng)的幅度不大時(shí)，人眼不斷追隨目標(biāo)的運(yùn)動(dòng)以致注視點(diǎn)前后跟蹤數(shù)據(jù)采集化相關(guān)濾波[53]與跟蹤學(xué)習(xí)檢測(cè)[49]（TrackingLearningDetec視頻序列的目標(biāo)進(jìn)行跟蹤，得到一系列的跟蹤數(shù)據(jù)。其中核于機(jī)器學(xué)習(xí)的短時(shí)目標(biāo)跟蹤算法，該算法采用嶺回歸實(shí)現(xiàn)在現(xiàn)了對(duì)搜索區(qū)域的密集采樣，增加了學(xué)習(xí)樣本的多樣性，并

5.3 MontorRolling5.2.4 跟蹤數(shù)據(jù)特點(diǎn)當(dāng)目標(biāo)在運(yùn)動(dòng)過程中發(fā)生部分遮擋、目標(biāo)的位置以及形狀瞬時(shí)發(fā)生突變、光嚴(yán)重不均衡時(shí)，利用核化相關(guān)濾波算法采集的部分跟蹤數(shù)據(jù)如圖 5.4 所示，由的數(shù)量太多且篇幅限制，故本章只展示了 MontorRolling 視頻序列的跟蹤數(shù)據(jù)情況。

【參考文獻(xiàn)】：
期刊論文
[1]無線傳感網(wǎng)中一種智能數(shù)據(jù)融合算法的實(shí)現(xiàn)及仿真分析[J]. 胡強(qiáng),王海濤,底楠,陳暉,黃達(dá).  傳感技術(shù)學(xué)報(bào). 2018(02)
[2]無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法綜述[J]. 張浩,張靜靜.  軟件. 2017(12)
[3]基于改進(jìn)的核相關(guān)濾波器的目標(biāo)跟蹤算法[J]. 秦曉飛,代順鋒,李峰.  測(cè)控技術(shù). 2017(10)
[4]基于模糊證據(jù)理論的多傳感器數(shù)據(jù)融合算法[J]. 璩晶磊,李少波,張成龍.  儀表技術(shù)與傳感器. 2017(10)
[5]基于密度峰值優(yōu)化的模糊C均值聚類算法[J]. 劉滄生,許青林.  計(jì)算機(jī)工程與應(yīng)用. 2018(14)
[6]基于深度學(xué)習(xí)的目標(biāo)跟蹤方法研究現(xiàn)狀與展望[J]. 羅海波,許凌云,惠斌,常錚.  紅外與激光工程. 2017(05)
[7]多傳感器自主跟蹤中的數(shù)據(jù)融合方法[J]. 單海蛟,劉偉寧,王嘉成,劉培勛,李治根,鄧耀華.  液晶與顯示. 2016(08)
[8]有效距離在聚類算法中的應(yīng)用[J]. 光俊葉,劉明霞,張道強(qiáng).  計(jì)算機(jī)科學(xué)與探索. 2017(03)
[9]基于改進(jìn)模糊聚類的同構(gòu)多傳感器在線數(shù)據(jù)融合方法[J]. 蘇衛(wèi)星,朱云龍,劉芳,馬連博.  信息與控制. 2015(05)
[10]無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合研究綜述[J]. 魏秀蓉.  無線互聯(lián)科技. 2015(14)

碩士論文
[1]VTS多雷達(dá)目標(biāo)融合技術(shù)[D]. 吳志奇.大連海事大學(xué) 2017



本文編號(hào)：3549437