提出一种基于演化网络模型和区间分析的群目标势概率假设密度(cardinalized probability hypothesis density,CPHD)滤波算法。针对传统的粒子CPHD群目标跟踪算法中粒子数多、运算量大的问题,采用箱粒子实现CPHD滤波器,减少了粒子数,降...提出一种基于演化网络模型和区间分析的群目标势概率假设密度(cardinalized probability hypothesis density,CPHD)滤波算法。针对传统的粒子CPHD群目标跟踪算法中粒子数多、运算量大的问题,采用箱粒子实现CPHD滤波器,减少了粒子数,降低了运算量。算法通过对群目标状态采用CPHD滤波进行预测更新,并使用所获得的群信息修正群内目标的状态,进而实现对群质心的跟踪和群目标的势估计。仿真对比实验表明,所提算法在达到与传统算法相似估计性能的条件下,大幅降低了算法的运算量,同时在强杂波环境下也具有更为突出的优势。展开更多
在软件工程中,设计一个健壮、可伸缩并且复杂度尽可能小的系统结构是设计者和研究者最注重的问题。在复杂网络与软件工程结合研究及设计模式的相关理论基础上,分析已有的软件网络演化生长算法与设计模式之间的关系及其应用方法,提出基...在软件工程中,设计一个健壮、可伸缩并且复杂度尽可能小的系统结构是设计者和研究者最注重的问题。在复杂网络与软件工程结合研究及设计模式的相关理论基础上,分析已有的软件网络演化生长算法与设计模式之间的关系及其应用方法,提出基于组合设计模式的网络演化生长模型,通过实验构造并验证在PaGA(Pattern and Growth Algorithm)生长算法支持下组合模式网络演化模型的生长过程及结构,验证其网络特性和模型的有效性。展开更多
文摘提出一种基于演化网络模型和区间分析的群目标势概率假设密度(cardinalized probability hypothesis density,CPHD)滤波算法。针对传统的粒子CPHD群目标跟踪算法中粒子数多、运算量大的问题,采用箱粒子实现CPHD滤波器,减少了粒子数,降低了运算量。算法通过对群目标状态采用CPHD滤波进行预测更新,并使用所获得的群信息修正群内目标的状态,进而实现对群质心的跟踪和群目标的势估计。仿真对比实验表明,所提算法在达到与传统算法相似估计性能的条件下,大幅降低了算法的运算量,同时在强杂波环境下也具有更为突出的优势。
文摘在软件工程中,设计一个健壮、可伸缩并且复杂度尽可能小的系统结构是设计者和研究者最注重的问题。在复杂网络与软件工程结合研究及设计模式的相关理论基础上,分析已有的软件网络演化生长算法与设计模式之间的关系及其应用方法,提出基于组合设计模式的网络演化生长模型,通过实验构造并验证在PaGA(Pattern and Growth Algorithm)生长算法支持下组合模式网络演化模型的生长过程及结构,验证其网络特性和模型的有效性。