文献

J-GLOBAL ID：201802218275582770   整理番号：18A0343104

フィルタリングのためのクラスタリング:複数/有質量センサを用いたマルチオブジェクト検出と推定【Powered by NICT】

Clustering for filtering: Multi-object detection and estimation using multiple/massive sensors

著者 (6件)： Li Tiancheng (School of Science, University of Salamanca, Salamanca 37008, Spain) ,  Li Tiancheng (School of Mechanical Engineering, Northwestern Polytechnical University, Xi’an 710072, China) ,  Corchado Juan M. (School of Science, University of Salamanca, Salamanca 37008, Spain) ,  Corchado Juan M. (Osaka Institute of Technology, Asahi-ku Ohmiya, Osaka 535-8585, Japan) ,  Sun Shudong (School of Mechanical Engineering, Northwestern Polytechnical University, Xi’an 710072, China) ,  Bajo Javier (Department of Artificial Intelligence, Technical University of Madrid, Madrid 28660, Spain.)
資料名： Information Sciences  (Information Sciences)
巻： 388-389  ページ： 172-190  発行年： 2017年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 先進的多重センサーシステムは,貧弱なあるいは前ない情報を用いた厳しい環境における物体認識と状態推定で生じる課題に対抗するために期待されている,主にデータ融合と計算負荷に関連した新しい挑戦もたらす。確率的フィルタと近似の大きな多様性の基礎であることを一般的なMarkov-Bayesフレームワークとは異なり,対象,背景とセンサに関して非現実的な仮定を放棄し,フィルタリングのためのクラスタリングは,(C4F)と命名したマルチセンサ複数物体の検出と推定(MODE)のためのクラスタリングに基づく方法論を提案した。入力マルチセンサデータのクラスタ分析に基づく,C4Fアプローチは潜在的オブジェクト(か量または動力学)についての事前知識を必要とせずむしろ,雑音,クラッタと誤検知などの背景とセンサに関する時変不確実性を扱うことができるので,計算的に速い。これは前のごくわずかな知識と共にシナリオを扱うが豊富な観測データのための従来のMarkov-Bayesフィルタに本質的にロバストで計算的に効率的な代替法を提供する。完全およびほとんど両事前情報の代表的なシナリオに基づくシミュレーションにより,このC4Fアプローチの優位性を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 雑音 ,  *フィルタリング ,  ロバスト性 ,  状態推定 ,  不確実性 ,  データ融合 ,  物体認識 ,  *センサ ,  クラスタ分析 ,  *フィルタ ,  *クラスタ化 ,  クラッタ
準シソーラス用語： 事前知識 ,  マルチセンサ ,  *物体検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： ターゲット検出 ,  物体認識 ,  フィルタリング ,  追跡 ,  センサ融合

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： フィルタリング ,  クラスタリング ,  質量センサ ,  マルチ ,  オブジェクト検出 ,  推定