近邻数据分类器在多目标跟踪中的应用研究
收藏本文 
分享文中针对近邻分类算法分类不稳定的问题进行了深入研究,提出基于质心分布的近邻数据分类方法,该方法用待分类样本与质心的距离来代替待分类样本与训练样本之间的距离,从根本上减小了样本间距离,增大了类间距离,提高了分类正确率。同时对分布式多传感器多目标跟踪系统中观测数据的分类问题进行了研究,将基于质心分布的近邻数据分类方法应用于多目标分类。仿真结果表明,所提算法具有稳定的分类特性,能够广泛应用于多传感器多目标跟踪领域。(本文共计4页)......[继续阅读本文]