%0 Journal Article
%T 概率假设密度高斯混合实现的分量删减
%A 闫小喜
%A 韩崇昭
%J 自动化学报
%P 1313-1321
%D 2011
%R 10.3724/SP.J.1004.2011.01313
%X ？针对概率假设密度(Probabilityhypothesisdensity,PHD)高斯混合实现算法中的分量删减问题,提出了基于Dirichlet分布的分量删减算法以改进概率假设密度高斯混合实现算法的性能.算法采用极大后验准则估计混合参数,采用仅依赖于混合权重的负指数Dirichlet分布作为混合参数的先验分布,利用拉格朗日乘子推导了混合权重的更新公式.算法利用负指数Dirichlet分布的不稳定性,在极大后验迭代过程中驱使与目标强度不相关的分量消亡.该不稳定性还能够解决多个相近分量共同描述一个强度峰值的问题,有利于后续多目标状态的提取.仿真结果表明,基于Dirichlet分布的分量删减算法优于典型高斯混合实现中的删减算法.
%K 概率假设密度
%K 高斯混合实现
%K 分量删减
%K Dirichlet分布
%K 极大后验
%U http://www.aas.net.cn/CN/abstract/abstract17525.shtml