基于模糊聚类的多目标跟踪算法
一种分解式模糊聚类粒子滤波的WSN多目标跟踪方法
一种分解式模糊聚类粒子滤波的WSN多目标跟踪方法刘美;高欢萍;刘林【期刊名称】《科学技术与工程》【年(卷),期】2010(010)010【摘要】针对无线传感器网络环境下的多目标跟踪时近相距和轨迹交叉目标容易出现目标丢失和跟踪混淆的问题,提出一种分解式模糊聚类粒子滤波(DFCM-RPF)的多目标跟踪方法.把多传感器数据融合和多目标跟踪问题分解为单传感器数据融合和单目标跟踪问题,先对传感器节点量测用基于跟踪门限算法去除杂波,在各传感器节点的观测空间分别建立模糊聚类算法进行数据关联并最优融合,然后用正则化粒子滤波预测目标状态.仿真表明,DFCM-RPF算法与原FCM多目标跟踪方法相比,航迹关联正确率由85%提高到100%,目标预测位置的RMSE由4.437 7 m下降到1.307 3 m, DFCM-RPF算法体现了较好的跟踪性能, 并集数据关联、数据融合和目标跟踪于一体,大大降低WSN多目标跟踪问题的复杂性和计算量.【总页数】5页(P2312-2316)【作者】刘美;高欢萍;刘林【作者单位】茂名学院计算机与电子信息学院,茂名,525000;茂名学院计算机与电子信息学院,茂名,525000;太原理工大学信息工程学院,太原,030024;茂名学院计算机与电子信息学院,茂名,525000【正文语种】中文【中图分类】TN914.5【相关文献】1.基于Mean-Shift和粒子滤波的两步多目标跟踪方法 [J], 李红波;曾德龙;吴渝2.一种基于改进粒子滤波的多目标检测与跟踪方法 [J], 周明;涂宏斌3.采用粒子滤波和模糊聚类法的非线性多目标跟踪 [J], 张俊根;姬红兵4.一种伪粒子滤波的多目标跟踪方法 [J], 孙伟;郭宝龙5.基于改进粒子滤波的声图像多目标跟踪方法 [J], 马珊;张铁栋;庞永杰;万磊因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊优化理论的多目标优化问题研究
基于模糊优化理论的多目标优化问题研究多目标优化问题是现实生活中的一类复杂问题，它涉及到多个目标的同时最优化。
在解决多目标优化问题中，模糊优化理论作为一种重要方法，具有很大的潜力和应用价值。
本文将介绍基于模糊优化理论的多目标优化问题研究的方法和应用。
首先，我们来了解一下多目标优化问题。
多目标优化问题是指在有限的决策变量空间中，同时最小化或最大化多个目标函数的问题。
这些目标函数通常是相互矛盾的，通过改变决策变量的取值来达到多个目标函数的最优解。
传统的多目标优化问题有优化算法较差、解集较大、难以确定最优解等问题。
而模糊优化理论可以很好地解决这些问题。
模糊优化理论是建立在模糊数学基础上的一种优化方法，它能够处理不确定性、模糊性和多目标之间的关系。
在模糊优化理论中，将目标函数与约束条件转化为模糊集，通过模糊逻辑运算和推理，得到最优解。
模糊优化理论考虑了多个目标函数之间的权重关系，能够提供一个更全面、更灵活的优化方案，更适应实际问题的要求。
在处理多目标优化问题时，模糊优化理论采用了许多重要的概念和方法，如模糊规则库、隶属函数、模糊推理等。
模糊规则库是模糊优化的核心，它包含了根据实际问题制定的一系列模糊规则，用于描述目标函数与决策变量之间的关系。
隶属函数是将数值映射到模糊集的函数，用于描述目标函数和决策变量的模糊度。
模糊推理是基于模糊规则库和隶属函数进行的推理过程，通过模糊逻辑运算来获取最优解。
基于模糊优化理论的多目标优化问题研究主要包括以下几个方面：首先，研究多目标优化问题的建模方法。
在建模过程中，需要将目标函数和约束条件转化为模糊集，确定目标函数之间的权重关系。
研究者们利用模糊规则库和隶属函数，将多个目标函数建模为一个模糊优化问题，并根据实际应用场景确定优化目标的权重。
其次，研究多目标优化问题的求解算法。
模糊优化理论提供了多种求解算法，如遗传算法、粒子群算法、模拟退火算法等。
这些算法能够通过不断迭代搜索到最优解的近似解，以及通过适应度函数进行筛选，实现求解多目标优化问题的目标。
基于模糊信息处理的传感网系统中多目标跟踪方法
∑ ｍｉ ｎ （ ｕ （ Ａ ｚ ） ， “ （ △ ） ）
解 决 这一 问 题， 可 以 直接 从 异 类传 感 器 中得 出分 量 ， 以 同个 时 １ 司中
基 于 模 糊逻 辑 的 滤波 器 能够 通 过 模糊 系统 的 设计 ，同 时对 航
不 同目标的 关 系 ， 对 在 同时 间观 测 到 的纬 度进 行 分类 及合 成 ， 之 后 向 角及 残 差 的 变化 进 行观 测 ，并 且 将 其作 为输 入 ， 只适 应 对衰 减 因 子进 行 调 整 ， 以此 能够 在 统计 特 性 不 确定 的 基础 上 实 现 目标 的 进 行合成 ， 从而实 现基 于异 类传感 器模 糊航 迹的 开始 。 跟踪。
态是 不确 定 的， 并且针对单 机 动 目标 ， 提 出基于 模 糊逻 辑 的滤 波器 ，
Ｍ
． ， 一
将 传 感 器节点 层 、 红 外 传 感 器及二 维 雷达 相 互 结合 ， 是 平台 的 示为 ：一 ∑ ｍｉ ｎ （ ｕ （ ￣ ｚ ） ， ｕ （ Ｚ Ｘ ｏ ｋ ） ） ＝ —————— ——————一 抗干扰 、 生存 及跟 踪精度 都 有效 提高 。 因为异 类传感 器 的测量 空 间、 系统误 差 等 都各 不 相 同， 所 以不 同纬 度的 航 迹 开始 观 测较 难 。 要 想
１ ． １ （ ｔ ， Ｔ ） ＝ ｗ “（ ｔ ， Ｔ）
ｔ 及 Ｔ分 别 为 子 航 迹 及 航 迹 ， 表 示 为模 糊关 联 的 因子 ， ｗ 表 ４机 动 目标跟 踪 方 式 将 多目标 跟踪 的 数量 作为 基础 ， 从而得 出两 种机 动跟 踪 的 方式 ， 分 别为 多机 动及 单 机动 。 在实 际 的跟 踪 过 程 中 ， 因为 目标 的运 动 状
基于模糊系统的多目标优化问题解决方案
基于模糊系统的多目标优化问题解决方案第一章：绪论在现代社会，许多决策问题都涉及到多个目标，例如制造业中的成本降低与质量提高之间的平衡、城市规划中的经济发展与环境保护之间的协调等。
同时，这些决策问题也面临着诸多的不确定性，例如生产过程中设备的故障率、市场需求量的波动等。
因此，如何有效地解决多目标优化问题是当前研究的热点之一。
为此，本文将基于模糊系统，提出一种解决多目标优化问题的方案。
第二章：模糊系统2.1 模糊集合和隶属函数模糊集合是一种在数学上描述不确定性的工具。
它与传统集合不同之处在于，它不仅可以描述一个元素完全属于一个集合，还可以描述一个元素在一定程度上属于一个集合。
这种描述是通过隶属函数来实现的，这个函数将元素映射到一个[0,1]的实数上，表示这个元素在集合中的隶属程度。
2.2 模糊逻辑运算模糊逻辑运算是对模糊集合进行的运算，主要包括并、交、补、模糊等等。
这些运算在模糊推理中起着重要的作用。
2.3 模糊推理模糊推理是根据模糊规则进行的推理过程，主要包括模糊规则的表示、模糊规则的推导以及推理的结果等等。
第三章：多目标优化问题3.1 多目标优化问题的定义多目标优化问题是指在有多个决策目标的情况下，寻找一组最优的决策变量值，使得所有目标都能得到最好的满意程度。
多目标优化问题的解决往往需要考虑到多种因素的影响，并且这些因素之间可能存在一定的矛盾和冲突。
3.2 多目标优化问题的求解方法在多目标优化问题的求解中，主要有传统的加权法、最小二乘法、灰色关联法等方法。
然而，这些方法都不能很好地解决多目标优化问题中的矛盾和冲突，因此，需要采用更加先进的方法来解决这些问题。
第四章：基于模糊系统的多目标优化问题解决方案4.1 隶属函数的建立在解决多目标优化问题中，需要将每个变量的每个取值都表示成一个模糊集合，并且需要为每个模糊集合建立相应的隶属函数。
4.2 模糊规则的构建在模糊推理中，模糊规则是非常重要的组成部分。
基于聚类融合的多目标跟踪算法
国防预研基金资助项目： （00JS93 . l . l . JB490l） # 基金项目：
［l］
应用模式识别理论中的聚类思想， 对多传感器 测量数据聚类， 以区分源于不同目标的测量数据， 通 过类间数据融合， 实现对多目标的实时跟踪。这种 算法集数据关联、 数据融合和目标跟踪于一体。 1 测量聚类 从聚类的观点看， 如果在某一时刻基于测量数 据能对图 l 中的态势进行正确的聚类， 那么就可以 知道这一时刻出现在空域中的目标批数。 而动态进行这种聚类， 就会出现下述情况： （ l） 没有形成任何目标航迹， 所有接收到的测量点都是 新的， 此时应建立新航迹； （ 2） 已经建立了部分目标 航迹， 有些测量点是这些目标航迹的延续， 有些测量
L
图1 Fig 1
第 !" 个航迹更新周期聚类结果
器， 可得到基于融合测量的目标状态滤波值为 ^ ^ （ tI l I tI l）= FX （ tI I tI ）+ Km （ tI l） （ tI l） ， X #m
+ + + + -l （ tI +l）= P （ tI + l I tI ） （ tI + l I tI ） Km H［ HP H +"2 zI ］ ， T T
0
引
言
但由于情况复杂， 各种假设的组合数随目标数的增 大而急剧增大， 因而几乎不能进行工程实现； 20 世 纪 90 年代， 有学者提出了进行多目标跟踪的点迹到
［2， 3］ ， 许多ห้องสมุดไป่ตู้献对这种模型的 航迹的最优分配模型 ［4， 5］ 。 实时求解进行了讨论
多部雷达同时监视某一空域， 而在空域出现多 批目标时， 由于通信延迟、 雷达天线扫描周期不同等 原因， 在某一时刻， 融合中心接收到多部雷达的测量 数据构成的空中态势呈现出团状， 源于同一目标的 测量不可能重合， 且具有特点： （ l） 不同位置的雷达 同时观测到同一目标； （2） 不是所有的雷达都观测到 所有的目标。另外， 从整个雷达网对空域的监视过 程而言， 由于目标出现在本空域的时间不同， 过程中 还可能出现目标合批、 分批和消失等情况， 因而雷达 网在不同时刻观测到的目标数不一定相同。 多目标跟踪是雷达网数据处理中的重要的问题 之一。如何实现对目标的状态预测、 滤波、 状态估 计， 从而实现对目标的跟踪， 一直是这一领域的研究 重点和主要思路。但由于其环境的复杂性， 影响的 因素很多， 目前还没有特别有效的算法。l986 年， （ MHT ） 的算法 Mori 提 出 了 多 假 设 多 目 标 跟 踪
一种基于随机集的模糊观测的多目标跟踪算法
一种基于随机集的模糊观测的多目标跟踪算法
何友;田淑荣;孙校书
【期刊名称】《宇航学报》
【年(卷),期】2008(029)006
【摘要】为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概率假设密度(probability hypothesis density,PHD)粒子滤波方法.这种方法首先利用粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就是多目标的状态估计.在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能好于去模糊情况.
【总页数】6页(P2007-2012)
【作者】何友;田淑荣;孙校书
【作者单位】海军航空工程学院信息融合研究所,烟台,264001;海军航空工程学院信息融合研究所,烟台,264001;海军航空工程学院应用数学研究所,烟台,264001;海军航空工程学院科研部,烟台,264001
【正文语种】中文
【中图分类】TN911
【相关文献】
1.基于随机集的多目标跟踪算法的性能评估 [J], 田淑荣;何友;孙校书
2.一种基于随机集的目标跟踪算法研究 [J], 杨学锋;白剑林
3.基于随机集的RBPF多目标关联跟踪算法 [J], 赵欣;姬红兵;杨柏胜
4.一种新的基于模糊聚类的多目标跟踪算法 [J], 程婷;何子述
5.一种基于模糊运算的多目标多传感器跟踪算法 [J], 唐亮;谢维信;黄建军;黄敬雄因版权原因，仅展示原文概要，查看原文内容请购买。
采用粒子滤波和模糊聚类法的非线性多目标跟踪
ｆ ｔｒ ｇ ｐ ｒｏ ｍｓｗｅｌｉ ｈ ｏ ｌ ｅ ｒｔａ ｋｎ ｙ ｔｍ ，ｔ ｉ ｐ ｐ ｒｅ ｌｙ ｔａ ｄ ｔ ｅｊｉｔａ ｓ ｃａｉｎ ｉ ｅｉ ｅｆｒ ｌ ｎ ｔ ｅｎ ｎｉ ａ ｒｃ ｉｇ ｓ ｓｅ ｌ ｎ ｎ ｈｓ ａ ｅ ｍｐｏ ｓｉ ｎ ｈ ｏｎ ｓｏ ｉｔ ｏ
ＺＨ ＡＮ Ｇ Ｙ ｎ ｇ ｎ ＪＩＨ ｏ ｇ ｂｎ ｕ — ｅ ， ｎ —ｉ ｇ
（ ｃ ｏ ｌ ｆＥｌｃ ｒ ｎ ｃ Ｅ ｇ ｎ ｅ ｉ ｇ，Ｘｉ ｉ ｎ Ｕｎ ｖ ，Ｘｉ ｎ ７ ０ ７ ，Ｃｈ ｎ ） Ｓ ｈ ｏ ｅ ｔ ｏ ｉ ｎ ｉ ｅ ｒｎ ｏ ｄａ ｉ． ’ １０１ ａ ｉａ
ｔａ ｋｎ ｒｃｓｏ ｈ ｎＪ ＤＡＦ ａ ｄＭ ＥＦ Ｊ ＤＡＦ． ｒｃ ｉｇｐ ｅ ｉｉｎ ｔａ Ｐ ｎ －Ｐ
Ｋｅ ｏ ｄ ： ｙ Ｗ ｒ ｓ ｎ ｎ ｉｅ ｒ ｍｕ ｔ ｔ ｒ ｅ ｒ ｃ ｉ ｇ； ｄ ｔ ａ ｓ ｃａ ｉ ｎ； ｍａ ｉ ｍ ｅ ｔｏ ｙ ｆ ｚ ｙ ｃ ｕ ｔ ｒｎ ｏ ｌ ａ ｎ ｌ—ａｇ ｔ ｔａｋｎ ｉ ａ ａ ｓ ｏ ｉｔｏ ｘ ｍｕ ｎ ｒ ｐ ｕ ｚ ｌ ｓ ｅ ｉ ｇ；
ｕ ｅ ｏ ｔｅ ｓ ｆ ｈ ｍａ ｉ ｍ ｅ ｔｏ ｙ ｕ ｚ ｃｕ ｔｒｎ ｘｍｕ ｎ ｒ ｐ ｆ ｚｙ ｌｓｅ ｉｇ． Ｔｈ ｎ ｈ ｊ ｉｔ ｓｏ ｉｔ ｎ ｒ ｂ ｂｌ ｙ ｅ ｔ ｅ ｏｎ ａ ｓ ｃａｉ ｐ ｏ ａ ｉｔ ｍａ ｒ ｉ ｏ ｉ ｔｉ ｓ ｘ
ｒ ｃ ｎｓ ｒ ｔｄ ｂ ｕ ｉｉｉ ｈｅ ｕｚ ｙ ｍ ｅ ｂ ｒ ｈｉ ｄ ｇｒ ｅ ｆ ｔ ｔ ｒ ｔ ｎｄ ｅ ｓ ｒ ｍ ｅ ． Ｓｉ ｃ ｐ ｔｃｅ ｅ ｏ ｔｕｃｅ ｙ ｔｌ ｎｇ ｔ ｆ ｚ ｍ ｅ ｓ ｐ ｅ ｅ ｏ ｈｅ ａ ｇｅ ａ ｍ ａ ｕ ｅ ｎｔ ｚ ｎ ｅ ａｒｉｌ
基于数据流聚类的多目标跟踪算法
，
Ｉ
式 中： Ｘ ｉ ， ＝［ ， ， ， Ｙ ， ｌ ｌ ＇ ］ ， ｒ 为 目标 ｉ 的状
态 向量 。Ｚ ＝［ ， Ｙ ， 。 ］ 为 测量 向量 ， 过程噪 声
’ ． ， 与量测噪声 ’ ． ， ： Ｉ ｉ ， 分别为相互独立 的高斯 白噪 声向量。Ｆ和 日 分别为系统状态转移矩阵与量测
２ ． １ 自适应 Ｄ ｅ ｎ ｓ ｔ ｒ ｅ ａ ｍ 聚 类航 迹起始 算法
数据流进行聚类 ， 并运用交互 多模型对类 核位置进 行预估 ， 缩小搜索范围， 通过判断各类 内信息熵 自 适 应输出聚类 ， 提取预航迹 ， 对预航迹运用多假设算法
实现对 多 目标 的追 踪 。仿 真结 果说 明本文 算法 能够
２ ０ １ ５年 ６月
西 北 工 业 大 学 学 报
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｎｏ ｒ ｔ ｈ ｗｅ ｓ ｔ ｅ ｎ ｒ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｅ ａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
Ｊ ｕ ｎ ｅ ２ ０ １ ５
Ｖ０ Ｉ ＿ ３ ３ Ｎｏ ． ３
Ｄ ｅ ｎ ｓ ｔ ｒ ｅ ａ ｍ聚类算法［ ７ － ９ ］ 是一种在未知聚类数 目
的情况 下可对 任意 形状 数据进 行分 类 的密 度 聚类 算
有效减少计算量、 提高实时性。
收稿 日期： ２ ０ １ ４ — １ １ — ０ ４
法 。微簇密度是点在邻域内权重随时间指数衰减的
作者简介 ： 马天力 （ １ ９ ８ ８ 一） ， 西北工业大学博士研究生 ， 主要从事导航 、 制导与控制研究 。
矩阵。
些算法都是通过对量测分配 ， 将多 目标问题转化为 并行的单 目 标跟踪处理问题 ， 但是其处理过程 的核 心及关键是数据关联 ， 当目 标 数较多且存 在大量虚 警时 ， 关 联则会 带来 组合爆 炸 、 计 算量 呈指 数 型增 长
基于ART神经网络的FCM聚类多目标跟踪方法
（ 军 大连 舰 艇 学 院 ， 连 １ ６ １ ） 海 大 １ ０ ８
摘 要 ： 解 决 模 糊 Ｃ均 值 （ Ｃ 算 法 依 赖类 中 心 的 初 始 化 而 运 行 时 间 过 长 的 问题 ， 出 了一 种 改 进 方 法 ： 算 法 首 为 Ｆ Ｍ） 提 该
ｆ ｔ ｈ ｔ ｎ ｔａ ｅ ｒ ｌｋｅ ｔ ａ ｌ ｅ ｔ ｈ ｅ ｌｃ ｎ ｒ ｌｋｅ ａ ｄ ｔ ｌ ｔ ｒｎ ｅ ｃ ｈｅ ｉ ｉｉｌｃ ｎｔ ｅｉ ｈ ｔ ｃｏｓ ｏ ｔ ｅ ｒ ａ ｅ ｔ ｅ ｉ ｎ ｈｅ ｃｕｓ ｅ ｉ ｇ ｎｕｍｂ ｒ ｓ ｃ ｄｌ ｕ— ｅ ｓ： ｅ ｏｎ ｙ。
先利 用 自组 织 谐 振 理论 （ Ｔ） 经 网络 算 法 自动 聚 类 的 优 点 ， 数 据 集 进 行 “ 聚 类 ” 到 与 实 际类 中 心 近 似 的 初 ＡＲ 神 对 粗 得
始类 中 心 及 聚 类 数 目 ， 利 用 Ｆ Ｍ 算 法 对 “ 聚 类 ” 果 进 行 聚 类 并 得 到 最 终 精 确 的 聚 类 结 果 。通 过 实 验 表 明 ， 再 Ｃ 粗 结 改 进算 法 结 合 了 两 种 算 法 分 类 的 特 长 ， 有 比 Ｆ Ｍ 算 法 更 高 的 聚 类效 率 和 更好 的 聚 类 质 量 ； 时 ． 法 的 跟 踪 精 度 及 具 Ｃ 同 算
２１ ０ ０年 ４月
舰 船 电 子 对 抗
ＳＨ Ｉ ＰＢ（ Ａ ＲＤ ） ＥＬＥＣＴ Ｒ０Ｎ Ｉ Ｃ０Ｕ Ｎ ＴＥＲＭ ＥＡ ＳＵ ＲＥ Ｃ
Ａ ｐ ． ０１ ｒ２ ０
Ｖｏ ． ３ Ｎｏ ２ １３ ．
第 ３ ３卷 第 ２期
基 于 ＡＲＴ 神 经 网络 的 Ｆ Ｍ 聚 类 多 目标 跟踪 方 法 Ｃ
基于多目标多特征的模糊数据关联
一种基于模糊运算的多目标多传感器跟踪算法
一种基于模糊运算的多目标多传感器跟踪算法
唐亮;谢维信;黄建军;黄敬雄
【期刊名称】《系统工程与电子技术》
【年(卷),期】2004(026)011
【摘要】为在测量误差较大的情况下实现多传感器多目标跟踪,提出了一种基于模糊运算的融合算法.系统由多类型传感器组成,单个传感器测量范围小,测量误差大,并且数据传输时延大.利用非单值模糊逻辑系统计算数据模糊关联,采用参数曲线最小二乘跟踪法拟合目标运动轨迹,实现了一种在多种传感器并存的模糊传感器阵列中,集中式点迹序贯融合的方法.给出了实现该方法的具体步骤,实验证明该方法是行之有效的.
【总页数】5页(P1573-1577)
【作者】唐亮;谢维信;黄建军;黄敬雄
【作者单位】清华大学自动化系,北京,100084;深圳大学信息工程学院,广东,深圳,518060;深圳大学信息工程学院,广东,深圳,518060;深圳大学信息工程学院,广东,深圳,518060
【正文语种】中文
【中图分类】TP957
【相关文献】
1.一种基于模糊遗传算法的多传感器多目标跟踪数据关联算法 [J], 朱力立;张焕春;经亚枝
2.一种基于随机集的模糊观测的多目标跟踪算法 [J], 何友;田淑荣;孙校书
3.一种新的基于模糊聚类的多目标跟踪算法 [J], 程婷;何子述
4.一种基于HMM的多传感器多目标快速跟踪算法 [J], 李士民;郭立;朱嘉
5.一种高效的分布式多传感器多目标跟踪算法 [J], 范建德;谢维信
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进多目标萤火虫算法的模糊聚类
ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｉ ｍ ｐ ｒ ｏ ｖ ｅ ｄ ｍ ｕ ｌ ｔ ｉ － ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ Ｆ ｉ ｒ ｅ ｌ ｆ ｙ Ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ（ Ｆ Ａ） ｗ ａ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ．Ｆ ｉ ｒ ｓ ｔ ｌ ｙ ，ａ ｍ ｕ ｔ ａ ｔ ｉ ｏ ｎ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｗ ｉ ｔ ｈ ｄ ｙ ｎ ａ ｍ ｉ ｃ ａ ｌ ｌ ｙ ｄ ｅ ｃ ｒ ｅ ａ ｓ ｉ ｎ ｇ ｐ ｒ ｏ ｂ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｗ ｈ ｉ ｃ ｈ ｗ ａ ｓ ｓ ｉ ｍｉ ｌ ａ ｒ ｔ ｏ ｔ ｈ ｅ ｍ ｕ ｔ ａ ｔ ｉ ｏ ｎ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ｉ ｎ Ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｉ ａ ｌ Ｅ ｖ ｏ ｌ ｕ ｔ ｉ ｏ ｎ（ Ｄ Ｅ ）ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ ｗ ａ ｓ
朱 书伟 ‘ ， 周治平， 张道 文
（ 江南大学 物联 网工程学 院， 江苏 无锡 ２ １ ４ １ ２ ２ ） （ 通信作者 电子 邮箱 ６ １ ３ １ ９ ０ ５ ０ ５ ６ ＠ｖ ｉ ｐ ． ｊ ｉ ａ ｎ ｇ ｎ ａ ｎ ． ｅ ｄ ｕ ． ｃ ｎ ）
摘
要： 针 对传 统 的模 糊聚 类算 法大都针 对单 一 目标 函数 的优 化 ， 而无 法获得 更全 面、 更 准确的 聚类结果 的 问
一种基于模糊学习子群的多目标粒子群算法
子， 形成一个具有 Ｐ个粒 子 的子群 ； 然后对 Ｐ个粒 子进行 分析 评价 ， 中选 取最优位 置作 为该 粒子 的新 位置 ， 从 相应 的速 度作
为当前最优速度 ， 并将 Ｐ个粒子 中所有互不支配的粒子与外部
调节 的模糊 自 应粒子 群算法 （Ａ ＰＯ ； ａｇ 人 利 用 适 Ｆ Ｍ Ｓ ）Ｊ ｎ 等 ｕ 模糊集理论对粒子群优化算法参数进行 自 适应调整 ， 提出了一 种自 适应模糊粒 子群算 法 （ Ｆ Ｓ ） Ａ ＰＯ 。在模糊 向导 多 目标粒 子 群算法研究方 面 ， ｕ “ 等人 引入同步粒子局部搜 索 （ＰＳ 和 ＳＬ） 模糊 全局 最好 位 置ｆｇｅｔ 出了一 种模 糊多 目标 粒 子群 算 － ｓ提 ｂ ， 法； 魏静萱 提 出了一种 粒子群 优化方 法与 实数编码 遗传 算 叫
Ｓ） ０ 。在搜 索过 程 中 ， 个粒子模 糊 自适应 学 习生成不确 定 的 Ｐ个粒子 形成一 个子群 而不是 只产 生一 个新 粒子 ， 每
然后在其中选择模糊满意解作为其下一代新粒子。对四个典型测试函数的实验结果表明， 新算法比 Ｎ Ｇ Ｉ Ｓ ＡＩ和 Ｍ Ｐ Ｏ两种经典多目标优化算法有显著的优越性。 ＯＳ
Ｓ ； ｂｄ ｊ Ｏ） Ａ ｉｏ１ 在多 目标粒子群 算法 中重新 定义 了全局 最好 和 ２
局部最好的概念 ， 并基于模糊理论选取最优折 中解 。 本文则针对 ＭＯ Ｓ Ｐ Ｏ局部搜索能 力较差 的缺点 ， 进行 利用
算法结合 ， 于解决 多 目标优化 问题也成为粒子群算法研究 的 用
ｇ ｅ ｓｖ ａ ｉｌｓｂ ｅｆａ ａ ｔ ｅ ｌａ ｎ ｎ ｒ ａｓ ｂ ｗａｍ ａｈ ｒｔ ａ ｉ ｇｅｐ ｒｉｌ ． ｈ ｎ ｓ ｌｃ ｅ ｚｙ ｓ ｔ ｆ ｄ Ｓ — ｒ ｓｉ ｅＰ ｐ ｒ ｃｅ ｙ ｓ ｌ ｄ ｐ ｉ ｒ ｉ ｇｔ ｆ ｍ ｕ — ｒ ｒ ｔ ｅ ｈ ｎ ａｓｎ ｌ ａ ｃｅ Ｔ ｅ ｅｅ ｔｄ ａｆ ｚ ａｉ ｉ Ｏ ｔ － ｖ ｅ ｏｏ ｔ ｕ ｓｅ ｌ ｔ ｎ ｐ ｒｉｌ ｓｔ ｅｎ ｗ ｐ ｓ ｉｎ ｏ ｅ ｐ ｒｉｌ ． ｏ ａａ ｉｅａ ａｙ ｉ ｔ ｈ ｗ ｐ ｃ ｌ ｌｏ ｔｍ ｈ ｗｓｔａ ｅ ｎ ｗ ａｇ ｒ ｈ ｕ ｉ ａ ｃｅ ａ ｅ ｏ ｉ ｏ ｆ ｈ ａ ｃｅ Ｃ ｍｐ ｒ ｔ ｎ ｌ ｓ ｏｔ ｅｔ ｏｔ ｉ ａ ｇ ｒ ｈ ｓ ｏ ｔ ｈ ｅ ｌｏ ｔ ｍ ｏ ｔ ｈ ｔ ｔ ｔ ｖ ｓ ｙ ａ ｉ ｈ ｔ ｉ ｈ ｖ ｒ ｍｉｅ ｔａ ｖ ｎ ａ ｅ ． ａ ｅ ｐ ｏ ｎ ｎ ｄ ａ ｔｇ ｓ
模糊聚类的目标函数FCM算法
数据聚类中的智能计算方法
1. 模糊c-均值聚类算法 2. 基于神经网络的模糊聚类算法 3. 遗传与模糊c-均值混合聚类算法
模糊c-均值聚类算法的主要思想
它是一种基于梯度下降的聚类算法，其中 以ISODATA算法最为常用，该算法的整个计算 过程是通过反复修改聚类中心和分类矩阵，因 此这种方法常被称为动态聚类或者逐步聚类法。
克隆算子构造
1.克隆算子 可以直接对原有的抗体不加选择的进行
克隆，也可以按照一定的比例先选出一些比 较好的解进行克隆，本文选择后者，克隆规 模的设定要合适，如果太大则比较耗时，反 之，太小则减少了解的搜索范围。
克隆算子构造（续）
2.克隆变异算子 采用高斯变异方法，为了保留抗体原始种群的信息，
克隆变异并不作用到保留的原始的种群上，只作用到克 隆的抗体上。 3.克隆选择算子
聚类结果的数学描述
数据集的C划分
1 ik Xi (xk ) 0
xk Xi xk X
Crisp c-Partition
Mhc
U
Rcn
ik 0,1,
i, k;
c
n
ik 1, k; 0 ik n, i
i 1
k 1
Fuzzy c-Partition
基于免疫遗传的模糊C-均值算法
1.疫苗提取 任意选用一种方法构造模糊相似矩阵R，本文采用“绝对
m
值减数法”，即rij= 1-c xik x jk ,其中c适当选取，使rij
在[0，1]中且分开即可；km为1 Xi的特征向量的维数。通过相似 矩阵R我们得到样本之间的相似程度，然后从中找出每个样本
FCM算法的迭代过程
基于ART神经网络的FCM聚类多目标跟踪方法
基于ART神经网络的FCM聚类多目标跟踪方法李乐;嵇成新;王春雨【摘要】为解决模糊C均值(FCM)算法依赖类中心的初始化而运行时间过长的问题,提出了一种改进方法:该算法首先利用自组织谐振理论(ART)神经网络算法自动聚类的优点,对数据集进行"粗聚类"得到与实际类中心近似的初始类中心及聚类数目,再利用FCM算法对"粗聚类"结果进行聚类并得到最终精确的聚类结果.通过实验表明,改进算法结合了两种算法分类的特长,具有比FCM算法更高的聚类效率和更好的聚类质量;同时,算法的跟踪精度及运算速度也得到大大提高.【期刊名称】《舰船电子对抗》【年(卷),期】2010(033)002【总页数】4页(P83-86)【关键词】多目标跟踪;模糊C均值;自组织谐振理论;聚类;数据融合【作者】李乐;嵇成新;王春雨【作者单位】海军大连舰艇学院,大连,116018;海军大连舰艇学院,大连,116018;海军大连舰艇学院,大连,116018【正文语种】中文【中图分类】TN957.511 问题的提出当雷达跟踪空间目标时,往往接收到热噪声、虚警、背景杂波以及其他目标引起的回波,这些非目标回波使估计器进行错误的更新,估计器性能由此大大下降,有时甚至发生目标丢失现象。
同时,多部雷达同时监视某一空域,在空域出现多批目标时,由于通信延迟、雷达天线扫描周期不同等原因,在某一时刻,融合中心接收到多部雷达的测量数据构成的空中态势呈现出团状,源于同一目标的测量不可能重合等特点,因此出现了各种数据关联技术。
随着模糊理论处理技术和神经网络技术研究的不断深入,将模糊技术与神经网络技术进行有机结合,应该说可以同时发挥以下优势:模糊理论的逻辑推理能力,容易进行高阶的信息处理优势,神经网络技术学习和自动模式识别,并且弥补各自的不足,这是对两者结合的目标跟踪算法进行深入研究的一种必然趋势。
近年来,人们将应用模式识别理论中模糊和聚类理论运用于数据关联的研究,其中基于模糊均值聚类的模糊C均值(FCM)算法研究比较广泛。
一种基于随机集的模糊观测的多目标跟踪算法
具 有 科 学 性 和 理 论 性 强 的 特 点 ， 此 日益 引 起 国 内 因
当观 测 为非 模糊 时 ， 已有很 多 方法 可 以解 决 目 标 数 目已知情 况下 的多 目标 跟 踪 问题 ， 如概 率 数 据 互 联 （ Ｄ ） 一 联合概 率 数据 互联 （Ｐ Ａ） 等 算 法 。 Ｐ Ａ ， Ｊ Ｄ 。 当 目标或 杂波 出现 或 消 失 时 ， 目标 数 及 目标 产 生 的 观测值 可能 随时 间改变 。对 多 目标进 行跟踪 的一 种 方 法是 ， 对各单 个 目标分别 滤波 ， 这要 求对单 个 目标 及其 观测值 正确互 联 。利 用随机 集方法 可 以解 决 目标数 未知 或 随 时 间变 化 的情 况 Ｊ 。然 而 有 时 收 集 的观测 信息 是模 糊 数 据 ， 比如 ， 自然语 言 描 述 ， 通
多 目标 状态 和多 目标观 测可 以分别 表示为单 目标 状
态空 间 的有 限子 集 和单 目标 观测 空 间 的有 限 子集 的形式 。例 如 ， ｋ时 刻 ， Ｍ（ ） 目标 ， 在 有 ｋ 个 状 态分 另 ０为
．
的规则 等 。当观测 为模糊 的 ， 献 ［ ］ 也可 以解决 文 ６等
ＤＯＩ：０． ８ ３／．ｓｎ． ０ ０ １ ２ ２ ０ ０ ０ １ ３ ７ ｉｉｓ １ ０ — ３ ８． ０ ８．６． ６ｌ
０ 弓 言 ｌ
对数 据去模 糊 ， 避免 了数据关 联 。 也 随机 集方 法 应用 在 信息 融 合 中 ， 十 多年 越来 近
越 引起 研 究 者 的 重 视 ， 外 研 究 者 以 Ｒ ｎｌ Ｍ ｈｅ， 国 ｏａ ａｌ ｄ ｒ
目标跟踪 问题 ， 算法 需 要 先对 模 糊 观 测进 行 去 模 糊 处理， 对数 据 进 行关 联 。我 们 以 随 机集 理 论 为 基 础， 将模 糊观 测表示 为 随机集 ， 利用模 糊观测 的似 然 函数 ， 合模 糊 数 据 （ 融 这种 似 然 函数 可 以 消除模 糊 数据带 来 的不确 定性 ）将 非模 糊观 测 的概率假设 ，
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ ｌｅ ｅＤ Ｃｏｌｇ ，ＥｌｃｒｎｃＩ ｆ ｒ ｔｏ Ｎｏｔ ｗｅｔｒ ｌｔｃ ｎｃＵｎ ｖ ｒｉ ｘｉ ｎ ７ ０ ７ Ｃ ｉａ ｅｔｏ ｉ ｎ ｏ ｍａｉｎ， ｒｈ ｓｅｎ Ｐｏｙｅｈ ｉ ｉｅｓｔ ｙ， ’ １ ０ ２， ｈ ｎ ） ａ
Ａｂ ｔａ ｔ Ａ ｏ ｅ ｕｔｐ ｅ ｔ ｒ ｅ ｓ ｔａ ｋ ｎ ｌ ｏ ｉｈ ｂ ｓ ｄ ｏ ｕ ｚ ｌｓｅ ｉｇ ｉ ｒ ｐ ｓ ｄ Ｔｈｓ ｓｒ ｃ ： ｎ ｖ ｌｍ ｌｉ ｌ ａ ｇ ｔ ｒ ｃ ｉｇ ａｇ ｒｔ ｍ ａ ｅ ｎ ｆ ｚｙ ｃｕ ｔｒｎ ｓ ｐ ｏ ｏ ｅ ． ｉ
基 于模 糊 聚 类 的 多 目标 跟踪 算 法
陈 出新 ， 德 云 周
（ 北 工 业 大 学 电子 信 息 学 院 ， 安 ７０ ７） 西 西 １ ０ ２ 摘 要 ： 出 了一 种 新 的基 于 模 糊 聚 类 的 多 目标 跟 踪算 法 ， 算 法 通 过 一 种 改 进 的 模 糊 聚类 算 法 ， 先 得 到 可 能 的 目标 提 该 首 数 和测 量 点 迹 与 目标 预 测 位 置 之 间 的隶 属 度 ， 后 结 合 Ｋａｍａ 然 ｌ ｎ滤 波将 隶 属 度 作 为 权 值 系数 对 预 测 新 息 向 量 进 行 加 权 ， 实 来 现 目标 状 态 估 计 的更 新 。仿 真 结 果 表 明 ， 统 数 据 融 合 多 目标 跟 踪 算 法 ， 传 一般 需 要 假 定 目标 数 并 且 在 多 目标 密 集 时 易产 生 关 联错误而导致跟踪发散 ， 新算 法通 过模 糊 聚类 客 观有 效 地 确定 了 目标 数 并 且 通 过 加 权 过 程 保 证 了对 多 目标 密 集 时 的高 精 度 。 关 键 词 ： 糊 聚类 ， 目标 跟踪 ， ａｍａ 模 多 Ｋ ｌ ｎ滤波 ， 据 融 合 ｕ ｈ ｔ ｅ ｗｅ ｇ ｔ ｄ ｓ ｍ ｆ ｉ ｎ ｖ ｔｏ ｓ ｉ ｈ ｑ ａ ｉ ｆｔ ａ ｋ ｎ ｈ ｏ ｇ ｈ ｉ ｈ ｅ ｕ ｏ ｏ ａ ｉ ｎ ． ｔ ｎ
ｔａ ｋ ｎ ． ｗｅ ｅ ，ｔ ｅｎ ｖ ｌ ｌ ｏ ｉｈ ｉ ｏｄ ｔｒ ｎ ｈ ｕ ｅ ｆｔ ｒ ｅｓｏ ｊｃｉｅｙａ ｄｔ ｕ ｒ ｎ ｅ ｒｃ ｉｇ Ｈｏ ｖ ｒ ｈ ｏ ｅ ｇ ｒｔ ｍ ｓｔ ｅｅ ｍｉ ｅｔ ｅｎ ｍｂ ｒｏ ａ ｇ ｔ ｂ ｅ ｔ ｌ ｎ ｏ ｇ ａ ａ ｔｅ ａ ｖ
中 图分 类 号 ： Ｎ９ ３ Ｔ ５ 文献标识码 ： Ａ
Ｍ ｕ ｔ ｐ ｅ Ｔａ ｇ ｔ ａ ｋ ｎ ｌ ｏ ｉｈｍ ａ ｅ ｎ Ｆｕ ｚ ｕ ｔ ｒ ｎ ｌ ｉ ｌ ｒ ｅ ｓ Ｔｒ ｃ ｉ ｇ Ａ ｇ ｒ ｔ ｂ ｓ ｄ ｏ ｚ ｙ Ｃｌ ｓ ｅ ｉ ｇ
ＣＨＥＮ ｕ ｘ ｎ， ＨＯＵ — ｕ Ｃｈ — ｉ Ｚ Ｄｅ ｙ ｎ
ｅ ｓｌ ｏ ｍａ ｅａ ｗｒ ｎ ｓ ｏ ｉｔｏ ｅ ａ ｇ ｔ ｒ ｅ ｒｔ ａ ｈ ｏ ｈ ｒｗｈｃ ｙ ｌａ ｏ ｔ ｅｅ ｎ ｔｖ ａ ｉ ｔ ｋ ｏ ｇ ａ ｓ ｃａ ｉｎ ｗｈ ｎ ｔｒ ｅ ｓａ ｅ ｎ ａ ｏ ｅ ｃ ｔ ｅ ｉｈ ｍａ ｅ ｄ ｔ ｈ ｍａ ａ ｉｅ ｙ
Ｖｏ ．３ ＮＯ ２ Ｉ ５， ．
Ｆｅ ２ １ ｂ， ０ ０
火 力 与 指 挥 控 制
ＦｉｅＣｏ ｔｏ ｒ ｎ ｒ ｌ＆ Ｃｏ ｍｍａ ｄ Ｃｏ ｔｏ ｎ ｎｒｌ
第３ ５卷
第 ２期
２１ ０ ０年 ２ 月
文章 编 号 ： ０ ２ ０ ４ （ ０ ０ ０ — ０ ９ ０ １ ０— ６０ ２ １ ） ２０ ８—３