فیلترذره مبتنی برMCMC به منظور ردگیری چندهدفه در میان مشاهدات خام و آشکارنشده
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 266
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ADST-7-1_008
تاریخ نمایه سازی: 9 مهر 1398
چکیده مقاله:
در این مقاله به مسئله پرچالش ردگیری چندهدفه در میان دادههای آشکارنشده پرداخته میشود. برای انجام این کار، ابتدا با تقسیم فضای حالت به دو زیر فضای خطی و غیرخطی و با بهکارگیری اصل Rao–Blackwellization، چگالی اهمیتی بهینه را برای نوع خاصی از مدل سنسور، که مشاهدات منشعب و در هم ادغامشده را برای ناحیه مشاهده مشبکشده تولید مینماید، بهدست آمد. در ادامه، برای کاهش پیچیدگی محاسباتی نمونه برداری از چگالی اهمیتی بهینه، از معروفترین نمونهبردار خانواده MCMC یعنی نمونهبردار Gibbs برای نمونهبرداری از چگالی اهمیتی بهینه استفاده شد و سپس با مقایسه عملکرد این دو در یک محیط ردگیری چندهدفه و در میان مشاهدات خام و آشکارنشده، نشان داده شد که نمونهبردار Gibbs به مبادلهای بین کاهش حجم محاسبات و میزان دقت در ردگیری دست مییابد. ایده مطرحشده را میتوان بهعنوان جایگزین برای مواقعی که نمونهبرداری از چگالی اهمیتی بهینه عملا غیرممکن است، استفاده نمود.
کلیدواژه ها:
نویسندگان
میثم رئیس دانایی
پردازش