结合运动方程与卡尔曼滤波的动态目标追踪预测算法

针对传统定位技术误差较大且无法预测目标位置等问题,提出了一种结合运动方程与卡尔曼滤波的动态目标追踪预测算法ME-KF。通过运动方程模拟动态目标运动特性,利用卡尔曼滤波来减小干扰噪声对测量结果的影响,并预测下一时刻的目标位置。该算法在辽宁排山楼矿井的人员定位系统中得到了实际应用,并取得了显著成果。实验结果表明,该方法提高了定位精度,能够对人员位置进行预测以及对危险区域进行预警,并且成功地分析判断了障碍物的分布状况。

海量不完整数据上基于维度组合的Skyline查询

随着互联网、物联网等信息技术的快速发展,多维数据日益增多,这些海量数据中往往伴随着大量的不完整数据,如何从海量不完整数据中高效地获取用户所需的近似的结果集是一个亟需解决的问题。针对海量高维的不完整数据集,提出了一种基于维度组合的Skyline查询算法,通过构建Rank List数据结构提高查询效率,并减少不完整数据对查询结果的影响;利用维度的不同组合,划分出查询子空间,并渐进地查询出每个子空间的最优先点,从而获得海量不完整数据集上均匀分布的Skyline点。实验结果表明,该算法与Iskyline算法相比,平均查询效率提高了85%,并且在数据量大、维度高时,较普通方法查询效率更高。