搜索资源列表
lizilvbo
- 粒子滤波算法摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件，并在一定程度上解决了粒子群样本匮乏问题-Particle filter to get rid of the problem solving nonlinear filtering Gaussian random quantity must meet the constraints, and to some extent, solve the problem of lack of PSO sample
partical-filter
- 这是用于目标跟踪的粒子滤波代码， 非高斯非线性，其中将扩展卡尔曼滤波与粒子滤波进行比较-The partical filter code is used for target tracking, which is nonlinear and non-gaussian.Andthe extended kalman filtering are used for compared.
Improved_SMCPHD
- 该算法基本思想是利用一组带有相应权值的随机样本即粒子去逼近PHD分布和基数分布，其意义在于不仅解决重积分计算没有闭式解的难题，而且在滤波过程中，PHD函数被一系列离散的带权值的样本近似，随着样本粒子数量的增加，PHDF接近于Bayes最优估计，而且不受模型线性和高斯假设的限制，可以适用于非线性非高斯的随机系统。-The algorithm the basic idea is to use a set of random sample with the corresponding weight n
filter-in-video-sequences
- 粒子滤波理论是近年来跟踪领域的热门研究课题。在该领域，传统的卡尔曼（Kalman）滤波器是非常经典的运动目标跟踪工具。然而经典亦有其弊端，卡尔曼滤波对于非线性及非高斯环境下的工作能力相当无力。为解决这一问题，本文提出了一种基于粒子滤波的目标跟踪方法。其核心为以粒子(一种随机样本，携带权值)来表示后验概率密度，从而得到基于物理模型的近似最优数值解，其优点在于能在追踪的过程中实现更高的精度和更快的收敛速度等。粒子滤波通过加权计算这些带有权重的随机样本来得到目标的近似的运动状态，因此对于非高斯和非线性
Particle_GS
- 高斯模型下的粒子滤波实验仿真，具有完整的代码，可以学习，可以直接进行仿真使用-The simulation model of the Gaussian particle filter, having a complete code, can learn, can be simulated using the direct
Image-filter.tar
- 提出了一种基于改进 BP 神经网络和粒子群优化算法( PSO) 的图像滤波方法 。该方法利用双曲正切形式 的误差函数代替 BP 神经网络传统的最小均方误差函数( LMS),并将改进后的 BP 神经网络利用 PSO 算法优 化,用来减小图像噪声对神经网络精度的影响以及避免神经网络陷入局部极小值点,从而提高神经网络去噪能 力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像 细节 。- U63D0 u51FA u4E86 u4E00
850138
- 非常不错的非线性非高斯环境下的粒子滤波程序 不错的源码 很好-Very good nonlinear non-gaussian environment particle filter program source code is very good
noslinear
- 非常不错的非线性非高斯环境下的粒子滤波程序进化算法-Very good nonlinear non-gaussian environment evolution algorithm of particle filter program
587748
- 非常不错的非线性非高斯环境下的粒子滤波程序 不错的源码 很好-Very good nonlinear non-gaussian environment particle filter program source code is very good
envirmnment_algorithm
- 非常不错的非线性非高斯环境下的粒子滤波程序进化算法(Very good nonlinear non-gaussian environment evolution algorithm of particle filter program)
171988
- 非常不错的非线性非高斯环境下的粒子滤波程序 不错的源码 很好(Very good nonlinear non-gaussian environment particle filter program source code is very good)