Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Gaussian mixtures

Sortuj według:

Ogranicz wyniki do:

Extended CPHD Filter for Combining Multi-Target Tracking with Sensor Alignment

Li D., Yi D.

Przegląd Elektrotechniczny

2013

R. 89, nr 1b

41--44

An extended CPHD (Cardinalised Probability Hypothesis Density) filter for combining multi-target tracking with sensor alignment is proposed. The augmented state is established by appending the sensor biases to the single-target state. The cardinality distribution of the targets and the intensity of the augmented state are propagated by employing Gaussian mixtures. The target states and the sensor biases are jointly estimated. Simulation results show that the proposed filter successfully achieves the sensor alignment and outperforms the standard CPHD filter.

Zaproponowano rozszerzony filtr CPHD do połączenia śledzenia wielu celów z wyrównaniem czujników. Wyrażenia dotyczące pojedynczego celu rozszerzono przez dodanie offsetu czujnika. Moc (kardynalność) rozkładu celów i intensywność rozszerzonego wyrażenia są zrealizowane przez zastosowanie przekształceń Gaussa. Przeprowadzono jednoczesna estymację wyrażeń celu i offsetu czujnika. Wyniki symulacji wykazują, że proponowane rozwiązanie satysfakcjonująco dokonuje wyrównania czujników i wyjściowych parametrów standardowego filtru CPHD.

Learning finite Gaussian mixtures using differential evolution

Kwedlo W.

Zeszyty Naukowe Politechniki Białostockiej. Informatyka

2010

Z. 5

19-33

In the paper the problem of parameter estimation of finite mixture of multivariate Gaussian distributions is considered. A new approach based on differential evolution (DE) algorithm is proposed. In order to avoid problems with infeasibility of chromosomes our version of DE uses a novel representation, in which covariance matrices are encoded using their Cholesky decomposition. Numerical experiments involved three version of DE differing by the method of selection of strategy parameters. The results of experiments, performed on two synthetic and one real dataset indicate, that our method is able to correctly identify the parameters of the mixture model. The method is also able to obtain better solutions than the classical EM algorithm. Keywords: Gaussian mixtures, differential evolution, EM algorithm.

W artykule rozważono problem uczenia parametrów skończonej mieszaniny wielowymiarowych rozkładów normalnych. Zaproponowano nową metodę uczenia opartą na algorytmie ewolucji różnicowej. W celu uniknięcia problemów z niedopuszczalnością chromosomów algorytm ewolucji różnicowej wykorzystuje nową reprezentację, w której macierze kowariancji są reprezentowane przy pomocy dekompozycji Cholesky’ego. W eksperymentach wykorzystano trzy wersje algorytmu ewolucji różnicowej różniące się metodą˛ doboru parametrów. Wyniki eksperymentów, przeprowadzonych na dwóch syntetycznych i jednym rzeczywistym zbiorze danych, wskazują że zaproponowana metoda jest w stanie poprawnie identyfikować parametry modelu. Metoda ta osiąga również lepsze wyniki niż klasyczyny algorytm EM.