融合ADMM相关滤波器与序列重要性重采样的时间序列预测

论文摘要

针对序列重要性采样方法中粒子权值计算中存在系统误差的问题,提出一种新的时间序列预测方法,首先由交替方向乘子优化计算相关滤波器,再通过对偶优化变量的计算进而获取目标响应图,然后结合响应图与当前状态量的观测共同引导粒子集的准确定位.对比时间序列预测的序列重要性采样、序列重要性重采样和所提ACSIR方法的实验数据,所提方法有效地降低目标状态估计过程带来的误差.横向对比目前主流的时间序列预测方法,在VOT图像数据集上测试的结果也充分表明:所提方法显著提高了对运动目标的预测成功率.对于城市道路上的交通视频流管理和分析领域,借助所提方法可以有效地对路面车辆进行预测与通行轨迹跟踪,进而为城市交通系统分析与交通需求预测提供关键数据支持.

论文目录

• 0 引 言
• 1 嵌入交替方向乘子与相关滤波器的时间序列预测
•   1.1 序列重要性采样中粒子权值计算存在的问题
•   1.2 本文提出的ACSIR算法
•     1.2.1 ADMM方法消解CF的边界效应
•     1.2.2 对偶优化变量的计算
•     1.2.3 响应图r的计算
•     1.2.4 所提ACSIR算法的执行步骤
• 2 实验结果与对比分析
•   2.1 仿真实验的粒子收敛性与误差对比
•   2.2 VOT图像集上时间序列预测的数据对比
•     2.2.1 图像特征的选择
•     2.2.2 预测成功率与速率情况对比
• 3 结 论

文章来源

类型: 期刊论文

作者: 吴刚,朱勇,封磊,王池社,苏守宝,莫晓晖

关键词: 时间序列预测,序列重要性重采样,相关滤波器,交替方向乘子方法

来源: 昆明理工大学学报(自然科学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 数学,无线电电子学

单位: 金陵科技学院计算机工程学院

基金: 国家自然科学基金项目(61801199,61540068),江苏省高等学校自然科学研究项目(19KJA510004),南京市科委资助项目(201704002)

分类号: TN713;O211.61

DOI: 10.16112/j.cnki.53-1223/n.2019.06.007

页码: 46-54

总页数: 9

文件大小: 6905K

下载量: 60