典型文献
基于极限学习机的修正当前统计模型跟踪算法
文献摘要：
针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明,其训练速度极快且泛化性很好.测试集和单条轨迹的蒙特卡洛仿真实验表明,提出的算法在测试集上,能够提高原始算法的位置和速度约14％的精度,在单轨迹的跟踪实验中,其位置、速度和加速度的平均均方根误差和峰值均方根误差均为CS模型的1/4左右,并且机动自适应性好,鲁棒性更强,加速度估计更为稳定.同时,ELM结构简单,训练速度极快,增加的计算成本很小,具有较好的实际应用价值.
文献关键词：
机动目标跟踪;极限学习机;当前统计模型;神经网络;机器学习
中图分类号：
作者姓名：
张霆
作者机构：
南京电子技术研究所,江苏南京210039
文献出处：
引用格式：
[1]张霆-.基于极限学习机的修正当前统计模型跟踪算法)[J].海军航空大学学报,2022(02):185-190
A类：
B类：
极限学习机,当前统计模型,模型跟踪,跟踪算法,Current,Statistical,CS,先验知识,跟踪精度,Extreme,Learning,Machine,ELM,状态信息,实时估计,加速度估计,估计值,训练速度,极快,泛化性,测试集,单条,蒙特卡洛仿真,单轨,自适应性,结构简单,计算成本,机动目标跟踪
AB值：
0.353318
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
