基于集群智能的粒子滤波算法在目标跟踪方向的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·目标跟踪算法 | 第11-12页 |
| ·粒子滤波算法 | 第12-14页 |
| ·本文的主要研究工作 | 第14-15页 |
| ·本文的论文安排 | 第15-16页 |
| 第二章 目标跟踪技术综述 | 第16-24页 |
| ·引言 | 第16页 |
| ·目标跟踪原理 | 第16-22页 |
| ·目标模型建立 | 第17-19页 |
| ·目标辨识 | 第19-20页 |
| ·目标预测 | 第20-22页 |
| ·本章总结 | 第22-24页 |
| 第三章 基于集群算法的粒子滤波算法 | 第24-52页 |
| ·引言 | 第24页 |
| ·粒子滤波算法 | 第24-27页 |
| ·粒子滤波的理论 | 第24-25页 |
| ·标准粒子滤波的缺点 | 第25-26页 |
| ·标准粒子滤波算法的描述 | 第26-27页 |
| ·目标跟踪之前的准备工作 | 第27-28页 |
| ·状态转移模型 | 第27页 |
| ·目标观测模型 | 第27-28页 |
| ·粒子群优化算法 | 第28-38页 |
| ·粒子群优化算法及其研究现状 | 第28-31页 |
| ·PSO 算法和粒子滤波的共同点 | 第31页 |
| ·引入 PSO 算法的粒子滤波算法 | 第31-32页 |
| ·PSO‐PF 算法步骤 | 第32-35页 |
| ·实验结果 | 第35-38页 |
| ·遗传算法 | 第38-44页 |
| ·遗传算法的一些重要概念 | 第38页 |
| ·遗传算法的进化运算 | 第38-40页 |
| ·基于遗传算法策略的粒子滤波算法 | 第40-41页 |
| ·GPF 算法的实现步骤描述如下 | 第41页 |
| ·实验结果 | 第41-44页 |
| ·人工鱼群算法 | 第44-51页 |
| ·人工鱼群算法介绍 | 第44-46页 |
| ·基本的人工鱼群算法 | 第46-47页 |
| ·AFSA‐PF 算法步骤 | 第47-49页 |
| ·实验结果 | 第49-51页 |
| ·本章总结 | 第51-52页 |
| 第四章 基于混合集群的粒子滤波算法 | 第52-68页 |
| ·引言 | 第52页 |
| ·集群算法的横向比较 | 第52-54页 |
| ·三种算法的优点 | 第52-53页 |
| ·三种算法的不同点 | 第53-54页 |
| ·混合集群算法 | 第54-65页 |
| ·遗传粒子群粒子滤波算法 | 第54-60页 |
| ·遗传人工鱼群粒子滤波算法 | 第60-65页 |
| ·本章总结 | 第65-68页 |
| 第五章 本文工作的总结与展望 | 第68-70页 |
| ·本文总结 | 第68页 |
| ·研究展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74页 |
