快速生成图中全部树

本文提出了一种生成图中全部树的新的有效算法。方法构思新颖,结论简明。作者将根据本文方法原理编制的计算机程序与根据 Minty 法编制的程序进行了实际上机计算比较,运算结果表明本文方法在缩短计算机运行时间方面具有明显的优势。     

情感因素与外语教学

称职的教师不但应成为授知的巧匠,而且应成为育人的能手.具体说来就是擅长帮助学生改进学习方法,调整学习心态,激发学习兴趣和持久的动力.     

推理树概率逻辑公式集有效赋值列数计算

本文通过对概率逻辑推理树知识结构模型的研究,得出在树推理中对矩阵列消减起主要作用的相邻关系及其计算方法,给出了树推理模型的有效赋值列数的一般计算方法。     

火灾风险评价的随机过程模型

本文运用事故树分析法和随机过程的马尔克夫模型,建立了评价火灾风险的动态模型。运用该模型能计算某系统特定地点起火后火灾损失风险概率的时间分布,为消防设计和消防管理提供参考。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

粒子PHD滤波存活粒子采样新方法

针对多目标跟踪粒子概率假设密度滤波算法中存活粒子的重要性密度采样问题,给出一种结合最新量测信息的存活粒子重要性密度采样新方法.该方法根据最新量测集中的各个最测与目标粒子的单步预测状态的似然值,以概率选取量测值,利用无迹变换获得粒子的重要性密度函数,并对其进行采样实现粒子概率假设密度滤波中存活粒子的采样,有效地减轻了粒子的退化现象. 3目标跟踪仿真试验中,当目标模型与跟踪算法使用的目标模型不匹配时,采用所提出的存活粒子采样方法的粒子概率假设密度滤波算法最优子模式分配距离下降约70km.论文给出的存活粒子采样新方法显著地提高了多目标跟踪粒子概率假设密度滤波算法的鲁棒性.     

改进的高脉冲重复频率雷达多假设距离估计方法

高脉冲重复频率雷达目标距离估计时面临距离模糊问题,因此必须采取一定方法解距离模糊。现有方法大都需要在每个驻留时间内至少两帧(包括两帧)检测到目标来实现目标距离估计,多假设方法虽然不要求在每个驻留时间内都需至少两帧检测到目标,但是当模糊区间发生变化时会出现目标距离估计错误。针对现有多假设方法的不足,提出改进的多假设方法,通过建立相关波门来判断目标所在的模糊区间是否改变并对目标状态作出修正,实现对模糊区间发生变化时目标距离的正确估计。仿真表明,方法可以不受模糊区间变化的影响,以较高精度实现目标距离估计。     

改进的多目标GM-PHD分量融合算法

密集杂波的平行多目标跟踪场景中,高斯混合概率假设密度滤波器的计算代价随着分量的增多而不断变大,且其目标状态估计精度较低.为了解决这些问题,基于高斯混合概率假设密度滤波框架,提出一种改进的目标分量融合算法.通过目标分量的权重、均值及协方差的充分协作,该算法能够极大程度地融合目标强度中的相似分量,同时能够有效地避免真实目标分量被错误融合.仿真结果表明,密集杂波环境下该算法不仅具有较高的目标状态估计精度,而且其计算代价相对较低.     

多因素观测来源不确定的多目标跟踪算法

杂波、低检测概率和目标间观测相互干扰等因素,使得目标观测的来源难以辨别,提出一种基于改进GMPHD滤波的多目标跟踪算法,通过引入目标标记和权重向量,增广了标准GMPHD迭代中目标信息.基于高斯分量合并策略、目标状态估计策略和高斯分量优化策略,能够有效地改善目标状态估计精度和滤波迭代效率.目标跟踪仿真实验结果表明了所提算法的有效性及鲁棒性.