您的位置: 专家智库 > >

国家教育部博士点基金(20090203110002)

作品数:4 被引量:16H指数:2
相关作者:高新波李洁王秀美陈金广更多>>
相关机构:西安电子科技大学西安工程大学更多>>
发文基金:国家教育部博士点基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
相关领域:自动化与计算机技术电子电信交通运输工程建筑科学更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇电子电信
  • 1篇自动化与计算...

主题

  • 1篇单步
  • 1篇数据融合
  • 1篇状态估计
  • 1篇无序量测
  • 1篇线性滤波
  • 1篇线性判别分析
  • 1篇量测
  • 1篇滤波
  • 1篇降维
  • 1篇非线性滤波
  • 1篇高斯
  • 1篇高斯过程

机构

  • 2篇西安电子科技...
  • 1篇西安工程大学

作者

  • 2篇李洁
  • 2篇高新波
  • 1篇王秀美
  • 1篇陈金广

传媒

  • 1篇计算机学报
  • 1篇中国科学:信...

年份

  • 1篇2012
  • 1篇2011
4 条 记 录,以下是 1-2
排序方式:
基于UT变换的单步滞后无序量测算法被引量:2
2011年
针对滞后无序量测(OOSM)的单步滞后滤波问题,在现有算法的基础上,推导非线性单步滞后无序量测更新方程.提出用UT变换来计算其中涉及到的状态向量以及相关量测之间的协方差,从而有效解决了状态转移方程为线性而量测方程为非线性的非线性Gauss系统的单步滞后OOSM问题.然后,针对多传感器单步滞后OOSM情况,给出了基于UT变换的单步滞后OOSM融合方法.与基于扩展Kalman滤波(EKF)框架下的EKFA1算法和不存在滞后情况的最优算法相比,新算法具有如下特点:可以适用于非线性量测方程的雅可比(Jacobian)矩阵或Hessian矩阵不存在的情况,具有较好的滤波性能,时间复杂度与EKFA1算法处于同一数量级.
陈金广李洁高新波
关键词:状态估计非线性滤波无序量测数据融合
一种基于高斯隐变量模型的分类算法被引量:6
2012年
高斯过程隐变量模型是近年来新兴的无监督降维方法,它可以找到高维数据的低维流形结构.但是由于高斯过程隐变量模型是无监督的概率降维方法,所以当数据集中的样本有类别标记信息时,高斯过程隐变量模型不能利用这些监督信息,实现分类的任务.为了使高斯过程隐变量模型可以处理分类任务,文中提出了一种监督的高斯过程隐变量模型分类模型.通过最大化后验似然的方法确定观测数据在隐空间的坐标,同时可以完成分类任务.实验结果证明了该模型可以有效地用于分类.
王秀美高新波李洁
关键词:高斯过程降维线性判别分析
共1页<1>
聚类工具0