SMC框架中引入残差信息的分层重采样策略

doi:10.3778/j.issn.1002-8331.2010.21.008

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (21): 30-33.DOI: 10.3778/j.issn.1002-8331.2010.21.008

SMC框架中引入残差信息的分层重采样策略

吴刚^1，2，唐振民²，杨静宇²

1.南京工程学院车辆工程系，南京 211167
2.南京理工大学计算机科学与技术学院，南京 210094

收稿日期:2010-04-14 修回日期:2010-05-31 出版日期:2010-07-21 发布日期:2010-07-21
通讯作者: 吴刚

Stratified resampling strategy imported by residual information in SMC framework

WU Gang^1，2，TANG Zhen-min²，YANG Jing-yu²

1.Department of Vehicle Engineering，Nanjing Institute of Technology，Nanjing 211167，China
2.School of Computer Science & Technology，Nanjing University of Science and Technology，Nanjing 210094，China

Received:2010-04-14 Revised:2010-05-31 Online:2010-07-21 Published:2010-07-21
Contact: WU Gang

摘要/Abstract

摘要： 近年来序列蒙特卡罗理论及其应用在自动导航﹑非线性估计与金融等诸多领域受到了越来越广泛的关注。提出了一种引入残差信息的分层重采样策略，通过引入当前粒子集权值的残差来构建累积分布函数，同时针对随机区间逐级分层以产生有序的随机数集合，从而提高重采样的合理性与采样效率。首先从仿真实验的角度证明了它的有效性，对比残差重采样﹑多项式重采样与遗传重采样，提出的重采样策略在后验均值误差﹑均方差与运行时间方面均为最小；将提出的重采样策略嵌入到运动目标跟踪算法中，基于标准测试视频的跟踪结果同样佐证了该重采样策略的收敛性及良好的抗噪性能。

关键词: 序列蒙特卡罗, 重采样, 分层, 残差

Abstract: Recently，sequential Monte Carlo theory has been applied abroad in different domains such as self-determined navigation，non-linear estimation and finance，and it attracts researchers more and more.A stratified resampling strategy is brought forward imported by residual information in this work.Accumulative distributing function is constructed by importing residuals of particles’ weights.Synchronously，sequential stochastic numbers are gradually produced by arranging on stochastic muster.The way improves the rationality and efficiency of sampling strategy.The method is confirmed by experiment based on emulational program.Compared with residual resampling strategy，polynomial resampling strategy and genetic resampling strategy，the systemic errors about resampling strategy are lowest in posterior mean error，mean square error and running time.The improved resampling strategy is embedded in object tracking algorithm.The correlative results show astringency and antinoise-capability about sampling strategy are excellent on data based on standard testing video.

Key words: sequential Monte Carlo, resampling, stratified, residual

中图分类号:

TP391.4

吴刚^1，2，唐振民²，杨静宇². SMC框架中引入残差信息的分层重采样策略[J]. 计算机工程与应用, 2010, 46(21): 30-33.

WU Gang^1，2，TANG Zhen-min²，YANG Jing-yu². Stratified resampling strategy imported by residual information in SMC framework[J]. Computer Engineering and Applications, 2010, 46(21): 30-33.

[1]	胡扬涛，裴洋，林川，李世成，易玉根. 空洞残差U型网络用于视网膜血管分割[J]. 计算机工程与应用, 2021, 57(7): 185-191.
[2]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[3]	万琴，朱晓林，陈国泉，肖岳平. 分层联合双边滤波的深度图修复算法研究[J]. 计算机工程与应用, 2021, 57(6): 184-190.
[4]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[5]	金旺，易国洪，洪汉玉，陈思媛. 基于卷积神经网络的实时车辆检测[J]. 计算机工程与应用, 2021, 57(5): 222-228.
[6]	徐麒皓，李波. 基于NRU网络的肺结节检测方法[J]. 计算机工程与应用, 2021, 57(4): 83-90.
[7]	雷聪蕊，葛正浩，魏林林，陈浩. 3D打印模型切片及路径规划研究综述[J]. 计算机工程与应用, 2021, 57(3): 24-32.
[8]	赖俊，魏竞毅，陈希亮. 分层强化学习综述[J]. 计算机工程与应用, 2021, 57(3): 72-79.
[9]	周华强，曹林，杜康宁. 多判别器循环生成对抗网络的素描人脸合成[J]. 计算机工程与应用, 2021, 57(3): 231-238.
[10]	肖瑞雪，冯英伟，屈建萍. 结合高效特征融合的可变尺寸图像隐写分析[J]. 计算机工程与应用, 2021, 57(24): 126-134.
[11]	黄英来，艾昕. 改进残差网络在玉米叶片病害图像的分类研究[J]. 计算机工程与应用, 2021, 57(23): 178-184.
[12]	常惠，饶志强，赵玉林，李益晨. 基于改进U-Net网络的隧道裂缝分割算法研究[J]. 计算机工程与应用, 2021, 57(22): 215-222.
[13]	赵宇，祝义，于巧，陈小颖. 基于分层数据筛选的跨项目缺陷预测方法[J]. 计算机工程与应用, 2021, 57(20): 279-286.
[14]	王嘉，张楠，孟凡云，王金鹤. 基于金字塔场景分析网络改进的语义分割算法[J]. 计算机工程与应用, 2021, 57(19): 220-227.
[15]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.

SMC框架中引入残差信息的分层重采样策略

Stratified resampling strategy imported by residual information in SMC framework

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics