資源描述：
《基于改進(jìn)som的多目標(biāo)跟蹤算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、Rese多目標(biāo)跟蹤在軍事和民用方面得到了廣泛的應(yīng)用。多目標(biāo)跟蹤問(wèn)題主要包括跟蹤門的形成、數(shù)據(jù)關(guān)聯(lián)與跟蹤維持、跟蹤起始與跟蹤終結(jié)、漏報(bào)與虛警等等。其中數(shù)據(jù)關(guān)聯(lián)是最重要最困難的，這也是本文研究的重點(diǎn)。傳統(tǒng)的多目標(biāo)跟蹤技術(shù)存在快速響應(yīng)與提高精度之間的矛盾，尋求更好的解決方法一直是人們不斷研究探討的。由于獨(dú)特的大規(guī)模并行處理、分布式信息存儲(chǔ)、良好的自適應(yīng)性和自組織性，以及很強(qiáng)的學(xué)習(xí)、聯(lián)想和容錯(cuò)功能，人工神經(jīng)網(wǎng)絡(luò)越來(lái)越受到人們的重視，也為多目標(biāo)跟蹤研究注入了新的活力。本文首先分析了基于傳統(tǒng)數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)
2、跟蹤，然后通過(guò)分析人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和特點(diǎn)，結(jié)合多目標(biāo)跟蹤技術(shù)，引入了一種基于SOM網(wǎng)絡(luò)的多目標(biāo)跟蹤算法，此算法利用SOM網(wǎng)絡(luò)的聚類功能和無(wú)導(dǎo)師學(xué)習(xí)能力，對(duì)雷達(dá)量測(cè)的數(shù)據(jù)進(jìn)行聚類和關(guān)聯(lián)，在一定條件下能較好的完成多維空間數(shù)據(jù)分布的映射，實(shí)現(xiàn)聚類的功能，但由于網(wǎng)絡(luò)自身存在一些缺點(diǎn)，使之在目標(biāo)關(guān)聯(lián)程度很大時(shí)，聚類效果并不好，從而影響了多目標(biāo)的跟蹤效果。針對(duì)上述問(wèn)題，本文提出了核函數(shù)可調(diào)的改進(jìn)KSOM多目標(biāo)跟蹤算法。KSOM算法通過(guò)由核誘導(dǎo)的隱映射將低維輸入空間中的非線性問(wèn)題變換至高維特征空間中的較易解
3、決的線性問(wèn)題，最終在特征空間中獲得原問(wèn)題的解決，避免了計(jì)算上的維數(shù)災(zāi)難。由于核函數(shù)是問(wèn)題依賴的，對(duì)于不同的數(shù)據(jù)集，各個(gè)核函數(shù)的效果并不相同，改進(jìn)KSOM算法通過(guò)把核函數(shù)線性組合在一起，其系數(shù)由遺傳算法得出，從而克服了核函數(shù)問(wèn)題依賴的缺點(diǎn)。通過(guò)仿真實(shí)驗(yàn)表明，該算法在目標(biāo)關(guān)聯(lián)程度很大時(shí)，數(shù)據(jù)關(guān)聯(lián)效果仍然具有理想的效果。關(guān)鍵詞：多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)SOM網(wǎng)絡(luò)核函數(shù)可調(diào)遺傳算法ABSTRACTMulti-targettrackingiswidelyusedinbothmilitaryandcivicare
4、as．Multi—targettrackingmainincludestheconstructionoftrackinggate，dataassociationandtrackingmaintenance，theoriginanddestinationoftracking，missandfalsealarm，etc．Amongall，dataassociationistheoneofthemostimportantandthemostdifficultproblem，anditisthekeys
5、toneresearchofthisthesis．TraditionalMulti-targettrackingtechnologyhavetotradeoffitsefficiencyagainstitsaccuracy，andresearchersaretryingtoexplorebettersolutions．Duetotheuniquelarge-scaleparallelprocessing，distributeddatastorage，self-adaptivenessandsel
6、f-organizationability，andstrongfunctionoflearning，associationandfault-tolerant，theArtificialNeuralNetworkhasreceivedmoreandmoreattentionrecently，andcontributestotheareaofMulti-targettracking．ThisthesisfirstanalysesMulti-targettrackingwhichbasedontrad
7、itionaldataassociation，andthenanalysesthestructureandcharacteristicsofANN，andintroducesaSOM-basedapproachtotrackMulti-target．TheapproachclustersandcorrelatesthedatacapturedbytheradarbyusingtheclusteringfunctionoftheSOMnetworkandtheunsupervisedlearnin
8、g．Thisapproachprojectsmulti-dimensionaldataandclustersthemaccuratelyundercertainconditions．HoweveLbecauseofthelimitationsofthenetwork，thisapproachclustersdatainaccuratelywhenthecorrelationofdataislarge，whichlimitstheaccuracyoftheMulti-targettrackingp
