基于加权机制概念漂移的数据流GNB分类检测

为提高数据流分类检测精度和检测效率,提出一种基于加权机制概念漂移策略的数据流高斯朴素贝叶斯分类检测算法。首先,对所提算法框架进行设计,利用输入数据流直接建立信息表,并构建基于信息表的高斯朴素贝叶斯分类器;其次,利用"Kappa统计"方法建立基于加权机制的概念漂移检测方法,根据输入数据波动性,分别采取线性函数和贝叶斯(非线性)函数进行检测,并利用专家点删除和信息表来处理经常性的概念漂移,实现漂移检测精度和效率的提升;最后,通过仿真实验,显示所提算法在SEA测试集、Hyperplane数据集和SQD测试集上的分类精度分别比选取的对比算法提高分类精度10.3%、16.8%和20.5%以上,验证了所用分类检测算法的有效性。

移动追踪的最小Sigma点斜率无迹粒子重构滤波

为提高移动物体的追踪精度,提出一种基于最小Sigma点斜率粒子重构滤波的移动物体追踪算法。首先,利用分裂重构跟踪器解决复杂跟踪环境下目标跟踪的不确定问题,分裂重构形成的多跟踪器,在降低计算复杂度情况下,可从不同位置进行目标多方向并行跟踪,降低目标丢失概率;其次,针对无迹粒子滤波(UPF)Sigma点聚集度差,计算负担大的问题,对裂变获得的子跟踪器,利用最小Sigma点斜率对其粒子滤波过程进行改进,提高无迹粒子滤波算法计算效率;最后,实验结果表明,所提跟踪方法与选定几种定位方法相比,能以更低代价获得更优定位效果,并可均衡网络负载,提高探测传感器网络的使用寿命。