• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    相似分布特性準(zhǔn)則下的高斯混合項聚類-合并算法*

    2019-07-29 03:40:26方洋旺伍友利張丹旭
    國防科技大學(xué)學(xué)報 2019年4期
    關(guān)鍵詞:置信高斯復(fù)雜度

    徐 洋,方洋旺,伍友利,張丹旭

    (空軍工程大學(xué) 航空工程學(xué)院, 陜西 西安 710038)

    在目標(biāo)跟蹤領(lǐng)域中,系統(tǒng)模型誤差不可避免,產(chǎn)生的原因主要有目標(biāo)運動狀態(tài)的變化及目標(biāo)運動模型的“雙非”(非線性、非高斯性)問題[1]。解決上述問題的主要方法有:提高運動模型自適應(yīng)能力,如自適應(yīng)機動模型[2];改進濾波算法性能,如粒子濾波器(Particle Filter, PF)[3];增強跟蹤模型的適用范圍以解決“雙非”問題,如高斯混合模型(Gaussian Mixture Model, GMM)[4]。由于自適應(yīng)機動模型人為設(shè)定因素過多且適用性還有待檢驗,而PF算法計算復(fù)雜度過高,難以應(yīng)用于戰(zhàn)時平臺,為此傳統(tǒng)方法是引入GMM對“雙非”系統(tǒng)下的目標(biāo)狀態(tài)進行估計。

    GMM是單一高斯概率密度函數(shù)(Probability Density Function, PDF)的擴展,理論上它可以平滑地近似任意非線性函數(shù)[5],但其本身仍存在不足:當(dāng)動態(tài)方程的噪聲項及初始狀態(tài)中不止一個采用GMM表示時,算法的計算復(fù)雜度會呈指數(shù)級增長[6]。為此學(xué)者們分別從不同角度提出解決方案,這些方法大體可概括為以下兩種:基于剪枝的刪減策略與基于聚類的合并策略。

    基于剪枝的刪減策略即是基于某種測量準(zhǔn)則剔除影響程度較低的混合項。其中最為簡單的一種即為刪掉具有較低權(quán)重的高斯混合項[7],但該方法對于具有多峰分布的PDF近似效果并不佳[8]。為此文獻[9]提出了一種基于KL(Kullback-Leibler )散度的剪枝方法。該方法在剪枝的同時依然可保留原分布峰值特征,避免了上述問題的發(fā)生。文獻[6]更是直接利用初始狀態(tài)篩選有效的噪聲混合項,從源頭降低了混合項數(shù)量。

    基于聚類的合并策略即是基于某種距離標(biāo)準(zhǔn)將相似的混合項加以合并,該削減策略得到了廣泛認可。文獻[10]通過尋找混合項中兩兩之間具有最小KL散度的混合項,然后將其合并達到削減數(shù)量的目的。但該方法每合并一次都要重新搜索所有混合項,時效性較差。文獻[11]在此基礎(chǔ)上,又利用了聚類合并的思想,雖提高了精度,但算法復(fù)雜度仍很高。文獻[12]更是對典型合并方法進行了系統(tǒng)性分析與比較。正是以上GMM削減方法的提出,使得GMM得以應(yīng)用于眾多領(lǐng)域[13-17]。

    為了充分利用混合項自身的分布信息,簡化整體運算流程,在保證精度的同時提高算法效率,本文提出了一種復(fù)雜度適中、近似效果較好的高斯聚類-合并方法。首先基于高斯混合項的后驗分布特性及置信區(qū)間,建立相似分布特性準(zhǔn)則,并采用擴展積分均方誤差(Extended Integral Square Error,EISE)準(zhǔn)則求解最優(yōu)置信區(qū)間,完成對混合項的高斯聚類;然后針對各高斯簇間存在的交叉項復(fù)用問題,利用局部最近鄰(Local Nearest Neighbor, LNN)思想將其重新分配;最后在各高斯簇中利用多元合并方法,減少下次迭代混合項數(shù)量。通過仿真分析了有效置信范圍的可行域,縮窄了置信范圍的搜索空間,并通過兩個典型場景與基于數(shù)量限制的高斯混合項[7](Gaussian Mixture Reduction based on Pruning,GMRP)、Runnall[10]及基于聚類的高斯混合項削減方法[11](Gaussian Mixture Reduction based on Clustering,GMRC)進行了對比,驗證了本文算法具有較高的效費比。

    1 GMM及改進方法

    設(shè)線性系統(tǒng)的狀態(tài)方程及觀測方程為

    (1)

    式中:k≤NK為時間序列,NK為序列長度;狀態(tài)量xk∈Rmx,其中mx為x的維度,初始狀態(tài)分布為p(x0),轉(zhuǎn)移概率p(xk|xk-1)滿足馬爾科夫過程。觀測量zk∈Rmz,其中mz為觀測量z的維度,p(zk|xk)為系統(tǒng)似然函數(shù);k時刻狀態(tài)量及觀測量的集合分別為x0:k={x0,…,xk}及Zk={z0,…,zk};uk及vk分別為狀態(tài)噪聲和觀測噪聲;F為狀態(tài)轉(zhuǎn)移矩陣,H為觀測矩陣。

    利用GMM表示的總體概率密度為

    (2)

    式中:N(x;μ(i),P(i))為多維高斯分布的PDF;N為GMM中混合項數(shù)量;ΩN代表均值、方差及權(quán)重的集合;ωi代表第i個正態(tài)分布的權(quán)值。 將初始狀態(tài)、狀態(tài)噪聲及測量噪聲中的兩個或三個用GMM加以表示,會導(dǎo)致在狀態(tài)更新及時間更新階段,系統(tǒng)的高斯混合項呈現(xiàn)指數(shù)級增長。 針對該點不足,在綜合考慮高斯混合項權(quán)重信息和分布特性的基礎(chǔ)上,本文提出如下基于相似分布特性準(zhǔn)則的聚類-合并方法以動態(tài)削減高斯混合項。

    2 混合項聚類-合并算法

    2.1 高斯聚類

    服從高斯分布的混合項之間無法定義為完全獨立,而且聚類問題本身在統(tǒng)計上也是無法識別的[18],因此每種聚類方法都包含著主觀的聚類概念。 本文所提的高斯聚類方法是以混合項具有較小方差[18]為前提,依據(jù)相似分布特性準(zhǔn)則加以聚類。 若混合項中存有較大方差項,可通過設(shè)置閾值δ將其排除在聚類項之外。 其中對于聚類依據(jù)——相似分布特性準(zhǔn)則的定義如下:若p個具有較小方差的混合項的分布中心相互處于對方的P*置信范圍內(nèi),則認為這些混合項在分布上具有P*相似特性,從而將其歸為P*置信范圍下的同一高斯簇。 該準(zhǔn)則的現(xiàn)實意義即是:若高斯混合項之間分布形狀足夠相似、分布中心足夠接近,則其合并后的PDF將服從單峰分布,且總體分布特性服從類高斯分布[19]。 為了搜尋可同屬一個高斯簇的混合項,定義k時刻高斯混合項的分布中心向量Π為

    (3)

    定義如式(4)所示判別矩陣R用以判斷混合項之間的相似性。

    (4)

    其中,

    (5)

    為了快速完成聚類,首先按行搜索判別矩陣,并對每個混合項附上隸屬簇標(biāo)簽

    (6)

    步驟1:將交叉的高斯簇分成以下兩種

    (7)

    步驟2:重新分配交叉項。

    1)H1:將交叉項依LNN思想重新分配。 其過程如下:

    (8)

    ②計算交叉項與所屬高斯簇間距離

    (9)

    ④重復(fù)步驟①~③直至交叉項分配完。

    由上述可知:P*對于聚類結(jié)果影響很大。 若P*過大,則可能使得不具有相似分布特性的混合項歸并為同一簇,使得混合項發(fā)生多樣性退化,最終導(dǎo)致近似多峰分布時效果變差;若P*過小,則會使得聚類過細,無法明顯減少高斯混合項個數(shù)而使得實效性達不到要求。 因此合理地選擇P*對于提高算法的效費比尤為重要。 為此,本文提出基于EISE代價函數(shù)求解P*。

    2.2 基于EISE函數(shù)的置信范圍搜尋算法

    為了篩選合適的P*,本文受文獻[20]中所提ISE函數(shù)啟發(fā),通過增加正則化項,在限定高斯簇個數(shù)的同時使得近似誤差逐漸降低,得式(10)所示EISE函數(shù)。

    (10)

    =Jhh-2Jhr+Jrr

    (11)

    其中,

    式(11)兩個高斯PDF可表示為

    (12)

    將式(12)代入到式(11)中,可得

    (13)

    兩個高斯PDF的乘積可以簡化為

    N{x;u1,P1}·N{x;u2,P2}=αN{x;u3,P3}

    (14)

    其中,

    α=N{u1;u2,P1+P2}

    將式(14)代入式(13),又因高斯子項的積分是在整個輸入空間,故其積分結(jié)果為1,則最后只剩α。 則式(13)可表示為

    (15)

    至此,代價函數(shù)等于高斯簇中混合項之間的乘積加上每一個混合項與合并后項的乘積,加上合并后混合項的概率平方,再加上一個關(guān)于高斯簇數(shù)量的懲罰函數(shù)。因高斯簇已將全部混合項劃分為多個高斯簇,而高斯簇內(nèi)混合項數(shù)量也隨著P*而變化——P*越小,混合項數(shù)量越少,這對于算法效率的提高是有幫助的,但同時也使得懲罰項變大。為了更有效地尋找最優(yōu)解,可先縮小搜索域后利用MATLAB自帶函數(shù)fmincon求解。

    2.3 無偏多元素合并算法

    為了降低聚類復(fù)雜度,在獲得混合項后可剔除掉連續(xù)兩步權(quán)值都非常小的混合項,此處可設(shè)閾值為0.01。之后基于文獻[20]提出的合并方法,在保證系統(tǒng)狀態(tài)無偏的前提下,對各高斯簇內(nèi)的混合項進行合并

    (16)

    (17)

    (18)

    該融合方法可以保持原混合高斯項的中心矩不變[20],而且計算方便,被大多數(shù)基于合并思想的改進方法采用[8,10-11]。

    3 算法分析

    3.1 算法流程

    為了清晰算法步驟,下文中用GMM分別表示初始狀態(tài)、系統(tǒng)噪聲及觀測噪聲,并采用卡爾曼濾波方法對目標(biāo)狀態(tài)進行估計,具體算法流程可參考算法1。

    算法1 聚類-合并算法

    3.2 算法復(fù)雜度

    在時間復(fù)雜度上,所提算法首先需要判斷混合項之間是否具有相似分布特性,即計算判別矩陣。而判別矩陣只需得知上三角的值即可判別所有混合項間的相似關(guān)系,故第一步的時間復(fù)雜度為O(n2);第二步因交叉項自帶標(biāo)簽,故查找交叉項并不會占用時間,但在重新分配時需判斷其與各所屬簇間的最小距離,因此時間復(fù)雜度為O(n2);第三步因采用多元素融合方法,其時間復(fù)雜度為O(lgn);第四步為對置信范圍采用非線性優(yōu)化方法尋優(yōu),其時間復(fù)雜度為O(m×p×n2),其中m為算法迭代次數(shù),p為搜索粒子數(shù)量。由此可見,用于搜索的時間復(fù)雜度受代價函數(shù)性能、粒子初始狀態(tài)及數(shù)量的影響,并且隨著狀態(tài)維度的升高,用于搜索最優(yōu)P*值的迭代次數(shù)會呈指數(shù)級增加。因此所提算法更適用于低維度的狀態(tài)。而為了限制該步驟的時間復(fù)雜度,有效合理地縮窄搜索范圍至關(guān)重要。

    針對空間復(fù)雜度,因算法需要空間存儲融合后的混合項、高斯簇,故其空間復(fù)雜度為O(n)。標(biāo)準(zhǔn)算法因在迭代過程中需要大量空間來存儲中間變量,并且每次采樣混合項數(shù)量呈指數(shù)式增長,所以在空間復(fù)雜度上,改進算法具有明顯優(yōu)勢。

    4 性能分析

    為了驗證算法的有效性,首先利用三種典型場景來確定置信范圍的有效搜索域,從而提高算法的搜索效率。同時為了方便圖形呈現(xiàn),選取一維情況加以說明。最后,針對二種常見的目標(biāo)運動場景對運動目標(biāo)的狀態(tài)進行估計,以均方根誤差(Root Mean Square Error, RMSE)作為評價跟蹤性能的依據(jù),并以中央處理單元(Central Processing Unit,CPU)運行時間作為評價時間復(fù)雜度的標(biāo)準(zhǔn)。

    4.1 置信范圍有效區(qū)間

    4.1.1 四混合項呈單峰分布情況

    四個混合項的參數(shù)分別設(shè)置如下:

    Ω1(1)={0.3,N(x;1,12)}

    Ω1(2)={0.1,N(x;1.5,1.22)}

    Ω1(3)={0.4,N(x;2,0.52)}

    Ω1(4)={0.2,N(x;3,0.82)}

    令P*分別為1σ,2σ,3σ,4σ時,PDF近似效果如圖1所示。由圖可知,P*在1σ~3σ時算法對單峰PDF近似效果較好,而在P*=4σ時效果明顯變差。這主要是因為當(dāng)P*選擇過大時,無法等效成單峰分布的混合項被歸并成一簇,從而導(dǎo)致混合項多樣性退化,導(dǎo)致近似精度下降。

    圖1 近似單峰PDFFig.1 Approximated PDF to single peak

    表1為不同P*下算法效率。由表可知,當(dāng)P*取2σ和3σ時近似效果幾乎相同,這說明單純的增加或減小P*并不一定能夠改善近似效果,這與當(dāng)前混合項的分布特性有關(guān)。并且,隨著P*的增大,最終的混合項個數(shù)將呈下降趨勢。

    表1 單峰PDF下算法效率

    4.1.2 四混合項呈雙峰分布情況

    四個高斯混合項的參數(shù)設(shè)置如下所示:

    Ω2(1)={0.3,N(x;0.5,12)}

    Ω2(2)={0.1,N(x;2,1.22)}

    Ω2(3)={0.4,N(x;3.5,0.52)}

    Ω2(4)={0.2,N(x;4,0.82)}

    圖2為置信范圍分別為1σ、2σ、3σ及4σ時對應(yīng)的PDF曲線。由圖可以看出PDF的近似效果隨著置信范圍的增加而逐漸變差。當(dāng)P*=3σ或P*=4σ時,近似效果不佳,尤其在峰值處。

    圖2 近似雙峰PDFFig.2 Approximated PDF to double peak

    該情況下算法效率如表2所示。由表可知,在近似具有雙峰分布的PDF時,算法在降低高斯項個數(shù)方面性能較好,當(dāng)P*=4σ時,其返回的高斯項個數(shù)僅為初始輸入的一半,但耗時最長。

    表2 雙峰下PDF算法效率

    4.1.3 八混合項呈多峰分布情況

    八個混合項的參數(shù)設(shè)置如下:

    Ω3(1)={0.1,N(x;0.5,1)}

    Ω3(2)={0.05,N(x;2,1.22)}

    Ω3(3)={0.35,N(x;3.5,0.52)}

    Ω3(4)={0.1,N(x;4,0.82)}

    Ω3(5)={0.1,N(x;5,0.22)}

    Ω3(6)={0.2,N(x;-1,0.32)}

    Ω3(7)={0.04,N(x;0,42)}

    Ω3(8)={0.06,N(x;1,32)}

    圖3為不同置信范圍P*下對應(yīng)的近似PDF。由圖可知在近似多峰分布的PDF時,改進算法的整體近似效果較為理想,但隨著P*的增大,對于起伏處的PDF近似效果逐漸變差。算法效率如表3所示。

    圖3 近似多峰PDFFig.3 Approximated PDF with multiple peaks

    由表3可以看出,P*的增加使得耗時也稍有增加,但同時獲得的高斯混合項的個數(shù)也在減少,這更有利于用在遞推算法中。

    通過分析上述三種典型情況,可知過大的P*會使得近似精度變差,盡管可以大幅度降低輸出的混合項個數(shù)、節(jié)省GMM迭代時間,但相應(yīng)會增加聚類-合并的處理時間。

    表3 多峰PDF下算法效率

    在通過EISE代價函數(shù)計算的最優(yōu)置信范圍下,三種典型情況的近似性能如表4所示。

    表4 最優(yōu)置信范圍下近似效果

    通過上面三個典型的場景,將置信范圍P*的搜索域設(shè)定在[0.5σ,3σ]以提高算法效率。

    4.2 跟蹤性能

    在雷達接收系統(tǒng)中,因目標(biāo)的散射特性使觀測噪聲也可能呈現(xiàn)非高斯性質(zhì),稱之為閃爍噪聲[21]。不同于高斯噪聲,閃爍噪聲尾部較長,而在中心區(qū)域則類似高斯形狀。其概率分布可表示為

    ft=(1-ε)fg+εfl

    (19)

    式中,ft,fg及fl分別代表閃爍噪聲、高斯噪聲及拉普拉斯噪聲的分布,其表達式分別為

    (20)

    (21)

    其中:xs表示特征變量;ε為一個小于1的小正數(shù),其表示為閃爍頻率,下文設(shè)ε=0.01;fg的方差σ小于fl的方差η。

    其中參量的設(shè)定為:系統(tǒng)狀態(tài)噪聲的方差Q=diag[10,4,2],x1=[30,20,10]T,P1=diag[300,100,50],x2=[20,10,5]T,P2=diag[350,200,40],v1=[10,5,2]T,R1=diag[100,25,4],v2=[-10,3,1]T,R2=diag[100,9,1]。

    4.2.1 圓周運動場景

    在弱機動場景下,目標(biāo)以0.02π rad/s的角速度作勻速圓周運動,其在100 s以內(nèi)位置RMSE的對比如圖4所示。

    圖4 位置RMSEFig.4 Position RMSE

    圖4中GMRC、Runnall、GMRCM、GMRP四種算法的平均位置RMSE分別為8.96 m, 9.29 m, 9.32 m以及9.78 m,由此可以看出對于弱機動目標(biāo),GMRC算法的跟蹤精度最好,其次Runnall與本文提出的GMRCM算法精度相當(dāng),而GMRP算法的精度最差。在第50 s時刻目標(biāo)狀態(tài)的后驗分布及混合高斯近似的后驗分布如圖5所示。

    圖5 目標(biāo)狀態(tài)后驗分布Fig.5 Posterior distribution of target state

    由圖5可知,因多模型及非高斯噪聲的存在,估計的位置后驗概率密度函數(shù)呈現(xiàn)非高斯性質(zhì)。各算法對于圓周運動的位置估計精度較為理想,其偏差幅度并不大。其中GMRC、Runnall以及GMRCM算法的估計精度相當(dāng),略優(yōu)于GMRP算法。

    置信范圍P*隨時間的變化情況如圖6所示。

    圖6 最優(yōu)置信范圍的變化Fig.6 Variation of the confidence interval

    由圖6可知,針對弱機動情況下,P*大部分情況處于0.5~1.5P(1,1)之間(對應(yīng)圖中4~14 m),即說明了在目標(biāo)狀態(tài)不發(fā)生突變的情況下,一般會取較大置信范圍值,這主要是由于當(dāng)前目標(biāo)的狀態(tài)后驗分布比較均勻,具有多峰分布的情況并不多才使得P*較大。而P*會發(fā)生不斷的跳動主要是由初始搜索點選擇的隨機性以及存在多個最優(yōu)解造成的。

    圖7為間隔10個采樣時刻的高斯混合項個數(shù)的變化情況。

    圖7 高斯混合項個數(shù)Fig.7 Number of Gaussian components

    由圖7知,改進算法所得高斯混合項個數(shù)要明顯少于另外三種算法,這主要是由于GMRP算法與Runnall算法都是達到人為設(shè)定數(shù)量后才停止合并,而GMRC算法則還需要進行聚類操作,其數(shù)量會少于Runnall算法,但其用時則會受到影響。

    針對算法的時間復(fù)雜性,分別記錄了GMRC、GMRP、GMRCM、Runnall這四種算法的運行時長,分別為0.52 s, 0.44 s, 0.38 s, 0.48 s。由此可看出本文算法由于高效的搜索方法,迭代過程中的高斯混合項數(shù)量少,耗時最短。而GMRP算法由于在刪除混合項過程中用時極短,即便在迭代過程中會耗時較長,但仍取得了較優(yōu)的時間復(fù)雜度;GMRC算法由于計算最為復(fù)雜,故其用在篩選合并項過程中耗時最長,時間復(fù)雜度較高;Runnall算法因?qū)ふ液喜㈨椣鄬唵?,故時間復(fù)雜度稍好于GMRC算法。

    由上述分析可知,本文所提算法雖然在近似精度上不如GMRC算法,但能夠達到與Runnall算法相當(dāng)?shù)木龋⑶乙黠@強于GMRP算法。同時,在時間復(fù)雜度上,所提算法在對比算法中效率是最高的。

    4.2.2 階躍機動場景

    該場景下目標(biāo)機動較強,加速度變化情況為

    圖8 位置RMSEFig.8 Position RMSE

    位置RMSE的對比情況如圖8所示。針對階躍機動情況,各算法平均位置RMSE為:GMRC為9.32 m、Runnall為9.58 m、GMRCM為10.2 m、GMRP為12.17 m。由此可知,雖然所提GMRCM算法的跟蹤精度要明顯好于GMRP算法,但相較于另兩個算法,尤其在目標(biāo)發(fā)生階躍運動時間段內(nèi),跟蹤精度仍有待提高。

    第50 s處目標(biāo)狀態(tài)后驗分布如圖9所示。由圖可知,因目標(biāo)發(fā)生突變機動導(dǎo)致兩個模型的濾波狀態(tài)發(fā)生差異,使得模型的狀態(tài)后驗分布呈現(xiàn)雙峰分布。從各算法近似曲線不難看出GMM可較好地近似出非高斯分布特性,但因狀態(tài)的突變導(dǎo)致高斯混合子濾波器的濾波精度下降,PDF逼近程度并不高。但從位置RMSE曲線可以看出,精度仍可滿足要求,并且GMRC與Runnall的近似精度較高,GMRCM次之,而GMRP最差。

    圖9 目標(biāo)狀態(tài)后驗分布Fig.9 Posterior distribution of target state

    P*變化情況如圖10所示。由圖可以看出,當(dāng)目標(biāo)發(fā)生階躍機動時,GMRCM算法的最優(yōu)置信范圍會變小以適應(yīng)狀態(tài)的突變,進而獲得較優(yōu)的跟蹤性能。而對于目標(biāo)運動平緩階段,最優(yōu)置信范圍則會增大來適應(yīng)穩(wěn)定的狀態(tài)后驗分布。

    圖10 最優(yōu)置信范圍的變化Fig.10 Change of the confidence interval

    采樣點處的混合項個數(shù)如圖11所示。圖中本文所提算法GMRCM的高斯混合項個數(shù)要少于其他三種算法。盡管當(dāng)目標(biāo)發(fā)生階躍機動時,目標(biāo)的高斯項個數(shù)還是會增加,這主要是由于機動時刻目標(biāo)狀態(tài)的后驗分布呈多峰形式,使得高斯簇增加進而增多了數(shù)量,但同比于其他三種算法,仍有優(yōu)勢。

    圖11 高斯混合項個數(shù)Fig.11 Number of Gaussian components

    針對算法的時間復(fù)雜性,GMRC、Runnall、GMRCM、GMRP四種算法的計算耗時分別為0.67 s, 0.57 s, 0.45 s, 0.62 s。由此可見針對階躍機動情況本文算法可以獲得較高的跟蹤效率。

    由以上分析可知,在跟蹤階躍機動目標(biāo)時,本文所提算法在跟蹤精度上較之GMRC、Runnall算法稍有不足,但仍在可接受范圍內(nèi)。并且,本文算法的效率在四種對比算法中是最優(yōu)的。

    5 結(jié)論

    針對GMM估計非高斯系統(tǒng)狀態(tài)時會導(dǎo)致高斯混合項個數(shù)呈指數(shù)級增長問題,本文基于相似分布特性準(zhǔn)則,提出了一種混合聚類-合并方法。通過定義相似分布特性準(zhǔn)則,基于EISE代價函數(shù)尋求最優(yōu)置信區(qū)間以對混合項進行高斯聚類,建立具有不同分布特性的高斯簇。為了解決各高斯簇中的交叉項的復(fù)用問題,引入LNN思想對交叉項重新分配。為了削減迭代過程中混合項數(shù)量,采用并行多元素融合法將高斯簇內(nèi)的混合項合并。最后通過仿真驗證了算法在保持跟蹤精度及提高運算效率方面的有效性。

    猜你喜歡
    置信高斯復(fù)雜度
    小高斯的大發(fā)現(xiàn)
    急診住院醫(yī)師置信職業(yè)行為指標(biāo)構(gòu)建及應(yīng)用初探
    基于置信職業(yè)行為的兒科住院醫(yī)師形成性評價體系的構(gòu)建探索
    基于模糊深度置信網(wǎng)絡(luò)的陶瓷梭式窯PID優(yōu)化控制
    天才數(shù)學(xué)家——高斯
    一種低復(fù)雜度的慣性/GNSS矢量深組合方法
    求圖上廣探樹的時間復(fù)雜度
    某雷達導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進
    基于CUDA和深度置信網(wǎng)絡(luò)的手寫字符識別
    出口技術(shù)復(fù)雜度研究回顧與評述
    十分钟在线观看高清视频www| 国产精品秋霞免费鲁丝片| 免费少妇av软件| 日本黄色视频三级网站网址 | 国产免费男女视频| 色婷婷av一区二区三区视频| 久久天躁狠狠躁夜夜2o2o| 女性生殖器流出的白浆| 午夜免费观看网址| 国产视频一区二区在线看| 免费观看精品视频网站| 无人区码免费观看不卡| 亚洲精品国产精品久久久不卡| 亚洲精品在线观看二区| 黄色 视频免费看| 久久精品亚洲熟妇少妇任你| 热re99久久国产66热| 夜夜夜夜夜久久久久| 高清黄色对白视频在线免费看| 国产男女超爽视频在线观看| 日韩熟女老妇一区二区性免费视频| 亚洲第一av免费看| avwww免费| 亚洲美女黄片视频| 亚洲国产毛片av蜜桃av| 巨乳人妻的诱惑在线观看| 黑人巨大精品欧美一区二区蜜桃| 伊人久久大香线蕉亚洲五| 欧美+亚洲+日韩+国产| 精品电影一区二区在线| 每晚都被弄得嗷嗷叫到高潮| 亚洲精品中文字幕在线视频| 黄色成人免费大全| 午夜日韩欧美国产| 国产人伦9x9x在线观看| 很黄的视频免费| 99精品久久久久人妻精品| 国产精品成人在线| 夜夜爽天天搞| 老司机影院毛片| 成在线人永久免费视频| 99国产精品免费福利视频| 深夜精品福利| 久久中文看片网| 人妻一区二区av| 亚洲av美国av| 亚洲视频免费观看视频| 久久人人97超碰香蕉20202| av免费在线观看网站| 精品一区二区三区av网在线观看| 操美女的视频在线观看| 啪啪无遮挡十八禁网站| 国产精品九九99| 国产野战对白在线观看| 成人av一区二区三区在线看| 国产亚洲精品久久久久久毛片 | 成年动漫av网址| 亚洲精品在线观看二区| 自线自在国产av| 欧美亚洲日本最大视频资源| 水蜜桃什么品种好| 亚洲一区二区三区不卡视频| 91老司机精品| 久久久久久久久免费视频了| 91精品国产国语对白视频| 成熟少妇高潮喷水视频| 如日韩欧美国产精品一区二区三区| 午夜老司机福利片| 国产精品偷伦视频观看了| a在线观看视频网站| 精品福利永久在线观看| 亚洲av日韩在线播放| 国产av精品麻豆| 日韩熟女老妇一区二区性免费视频| 国产91精品成人一区二区三区| 欧美大码av| 男女高潮啪啪啪动态图| 国产精品欧美亚洲77777| 久久天躁狠狠躁夜夜2o2o| 中文字幕人妻丝袜制服| 亚洲精品国产精品久久久不卡| 国产精品久久久人人做人人爽| 久久国产乱子伦精品免费另类| 纯流量卡能插随身wifi吗| 亚洲中文字幕日韩| 黑人巨大精品欧美一区二区蜜桃| 国产高清视频在线播放一区| 欧美亚洲日本最大视频资源| 亚洲五月色婷婷综合| 成年版毛片免费区| 免费日韩欧美在线观看| 高清欧美精品videossex| 亚洲va日本ⅴa欧美va伊人久久| 日韩免费高清中文字幕av| 精品高清国产在线一区| 免费在线观看日本一区| 欧美中文综合在线视频| 亚洲avbb在线观看| 亚洲欧美激情综合另类| 国产欧美日韩一区二区精品| 桃红色精品国产亚洲av| 大香蕉久久成人网| 久久精品成人免费网站| 国产精品久久久久久人妻精品电影| 狠狠婷婷综合久久久久久88av| 日韩精品免费视频一区二区三区| 精品一区二区三卡| 天天躁狠狠躁夜夜躁狠狠躁| 中文字幕制服av| 午夜视频精品福利| 国产亚洲一区二区精品| 欧美日韩av久久| 又黄又粗又硬又大视频| 老司机在亚洲福利影院| 亚洲国产欧美网| 免费av中文字幕在线| 色尼玛亚洲综合影院| 精品久久久久久久久久免费视频 | av中文乱码字幕在线| 久久久久久免费高清国产稀缺| 欧美不卡视频在线免费观看 | 国产午夜精品久久久久久| 午夜福利视频在线观看免费| 亚洲少妇的诱惑av| 老汉色∧v一级毛片| 又黄又爽又免费观看的视频| 男男h啪啪无遮挡| 国产成人免费无遮挡视频| 高潮久久久久久久久久久不卡| 日韩欧美在线二视频 | 国产成人欧美| 亚洲va日本ⅴa欧美va伊人久久| 91精品国产国语对白视频| 国产高清国产精品国产三级| 一边摸一边抽搐一进一小说 | 午夜老司机福利片| 久99久视频精品免费| 中文字幕人妻熟女乱码| 香蕉国产在线看| 一夜夜www| 久久人妻熟女aⅴ| 国产亚洲精品久久久久5区| 欧美激情高清一区二区三区| 免费观看人在逋| 91av网站免费观看| 欧美日本中文国产一区发布| 国产不卡av网站在线观看| 黄色女人牲交| 久久久精品免费免费高清| 亚洲av成人不卡在线观看播放网| 午夜视频精品福利| 999久久久国产精品视频| 纯流量卡能插随身wifi吗| 国产精品综合久久久久久久免费 | 久久人人97超碰香蕉20202| 999精品在线视频| 日韩中文字幕欧美一区二区| 国产精品1区2区在线观看. | 亚洲色图av天堂| 男男h啪啪无遮挡| 国产1区2区3区精品| 91老司机精品| 久久天堂一区二区三区四区| 老汉色∧v一级毛片| 久热爱精品视频在线9| www日本在线高清视频| 精品卡一卡二卡四卡免费| 不卡av一区二区三区| 王馨瑶露胸无遮挡在线观看| 亚洲精品久久午夜乱码| 少妇猛男粗大的猛烈进出视频| 淫妇啪啪啪对白视频| 国产成人av激情在线播放| 精品一区二区三区av网在线观看| 两个人看的免费小视频| 搡老熟女国产l中国老女人| 亚洲综合色网址| 中文字幕色久视频| 欧美黄色淫秽网站| 在线av久久热| 夜夜夜夜夜久久久久| 国产区一区二久久| 性少妇av在线| 亚洲精品乱久久久久久| 女人被狂操c到高潮| 日本vs欧美在线观看视频| 大码成人一级视频| 欧美亚洲 丝袜 人妻 在线| 国产成人精品久久二区二区91| 满18在线观看网站| 啪啪无遮挡十八禁网站| 中国美女看黄片| 国产成人精品无人区| 人成视频在线观看免费观看| 亚洲五月天丁香| 大香蕉久久成人网| 欧美日韩福利视频一区二区| 午夜精品在线福利| 久久精品91无色码中文字幕| 国产黄色免费在线视频| 亚洲色图 男人天堂 中文字幕| 午夜精品久久久久久毛片777| 69精品国产乱码久久久| 久久这里只有精品19| 少妇的丰满在线观看| 夫妻午夜视频| 淫妇啪啪啪对白视频| 欧美人与性动交α欧美软件| 黄色怎么调成土黄色| 757午夜福利合集在线观看| 亚洲欧美精品综合一区二区三区| 亚洲欧美精品综合一区二区三区| 国产99白浆流出| 男人舔女人的私密视频| 精品一区二区三卡| 十八禁网站免费在线| 五月开心婷婷网| 电影成人av| 桃红色精品国产亚洲av| 精品无人区乱码1区二区| 日本一区二区免费在线视频| 国产精品免费大片| svipshipincom国产片| 亚洲av片天天在线观看| 亚洲精品中文字幕在线视频| 伊人久久大香线蕉亚洲五| 在线观看一区二区三区激情| 国产91精品成人一区二区三区| 天堂中文最新版在线下载| 十八禁人妻一区二区| 亚洲熟女精品中文字幕| 久久这里只有精品19| av电影中文网址| 亚洲av成人不卡在线观看播放网| 色在线成人网| 亚洲成av片中文字幕在线观看| 国产男女超爽视频在线观看| 久久久久久久久久久久大奶| 国产国语露脸激情在线看| 老司机午夜十八禁免费视频| 欧美中文综合在线视频| 夜夜躁狠狠躁天天躁| 午夜日韩欧美国产| 777久久人妻少妇嫩草av网站| 亚洲中文字幕日韩| 久久久精品区二区三区| 黄网站色视频无遮挡免费观看| tube8黄色片| 国产精品国产av在线观看| 亚洲一码二码三码区别大吗| 亚洲aⅴ乱码一区二区在线播放 | 美女国产高潮福利片在线看| 在线观看66精品国产| 成人av一区二区三区在线看| 国产蜜桃级精品一区二区三区 | 黑人猛操日本美女一级片| 中文字幕最新亚洲高清| 久久热在线av| 淫妇啪啪啪对白视频| 久久国产亚洲av麻豆专区| 欧美乱码精品一区二区三区| 亚洲欧美精品综合一区二区三区| 婷婷成人精品国产| 成人国产一区最新在线观看| 欧美久久黑人一区二区| 精品高清国产在线一区| 成人永久免费在线观看视频| 成人av一区二区三区在线看| 99re在线观看精品视频| 国产淫语在线视频| 90打野战视频偷拍视频| 51午夜福利影视在线观看| 一区二区三区精品91| 午夜老司机福利片| 国产亚洲欧美98| 国产精品 欧美亚洲| 亚洲va日本ⅴa欧美va伊人久久| 999久久久精品免费观看国产| 国产一区在线观看成人免费| 19禁男女啪啪无遮挡网站| 亚洲av日韩在线播放| 午夜精品在线福利| 最新在线观看一区二区三区| 91在线观看av| 国产99白浆流出| 国产蜜桃级精品一区二区三区 | x7x7x7水蜜桃| 大码成人一级视频| bbb黄色大片| 精品久久蜜臀av无| 亚洲自偷自拍图片 自拍| 国产精品久久久久久精品古装| av视频免费观看在线观看| 免费人成视频x8x8入口观看| 国产成人免费观看mmmm| 天天躁日日躁夜夜躁夜夜| 91字幕亚洲| 亚洲精品粉嫩美女一区| 久久性视频一级片| 制服人妻中文乱码| 黄色成人免费大全| 看黄色毛片网站| 最近最新中文字幕大全电影3 | 在线观看午夜福利视频| e午夜精品久久久久久久| 搡老乐熟女国产| 精品久久久精品久久久| 欧美成人午夜精品| 欧美精品高潮呻吟av久久| 美女高潮喷水抽搐中文字幕| 亚洲中文av在线| 亚洲一码二码三码区别大吗| 中亚洲国语对白在线视频| 久久这里只有精品19| 黄色怎么调成土黄色| 国产精品一区二区精品视频观看| 91字幕亚洲| 在线免费观看的www视频| 十八禁网站免费在线| 黄色视频,在线免费观看| 欧美精品一区二区免费开放| 亚洲免费av在线视频| 精品国产乱子伦一区二区三区| 一边摸一边抽搐一进一出视频| 丝瓜视频免费看黄片| 国产精品二区激情视频| 久久久久久久精品吃奶| 18禁黄网站禁片午夜丰满| 国产片内射在线| 一本大道久久a久久精品| 日韩免费av在线播放| 欧美老熟妇乱子伦牲交| cao死你这个sao货| 少妇的丰满在线观看| 在线国产一区二区在线| 免费在线观看影片大全网站| 国产精品久久久人人做人人爽| 丝袜美腿诱惑在线| 精品无人区乱码1区二区| 一级毛片女人18水好多| 97人妻天天添夜夜摸| 日韩制服丝袜自拍偷拍| 日韩欧美三级三区| 交换朋友夫妻互换小说| 中文字幕色久视频| 黑人操中国人逼视频| 自线自在国产av| 成年人免费黄色播放视频| 久久性视频一级片| 正在播放国产对白刺激| 美女国产高潮福利片在线看| 欧美av亚洲av综合av国产av| 午夜福利在线免费观看网站| 午夜精品久久久久久毛片777| 欧美久久黑人一区二区| 亚洲五月色婷婷综合| 精品一品国产午夜福利视频| 啪啪无遮挡十八禁网站| 午夜成年电影在线免费观看| 欧美日韩瑟瑟在线播放| 欧美在线黄色| 天天操日日干夜夜撸| 麻豆国产av国片精品| 免费一级毛片在线播放高清视频 | 人成视频在线观看免费观看| 女人精品久久久久毛片| 国产1区2区3区精品| 精品一区二区三区视频在线观看免费 | 男女之事视频高清在线观看| 欧美黄色淫秽网站| 国产精品国产高清国产av | 色婷婷av一区二区三区视频| 中文字幕高清在线视频| 999久久久精品免费观看国产| 亚洲第一青青草原| 制服诱惑二区| 窝窝影院91人妻| 纯流量卡能插随身wifi吗| 亚洲精品粉嫩美女一区| 制服诱惑二区| 成人精品一区二区免费| av中文乱码字幕在线| 中文字幕人妻丝袜制服| 人人妻人人澡人人看| 国产高清国产精品国产三级| 九色亚洲精品在线播放| 伊人久久大香线蕉亚洲五| 五月开心婷婷网| 夜夜夜夜夜久久久久| 97人妻天天添夜夜摸| 另类亚洲欧美激情| 在线观看免费日韩欧美大片| 亚洲精品久久午夜乱码| 日韩免费av在线播放| 黑丝袜美女国产一区| 国产精品久久电影中文字幕 | 国产精品综合久久久久久久免费 | 成人黄色视频免费在线看| 精品卡一卡二卡四卡免费| 在线视频色国产色| 亚洲七黄色美女视频| 夫妻午夜视频| 黑人巨大精品欧美一区二区mp4| 99热只有精品国产| 中文字幕色久视频| 黑人巨大精品欧美一区二区mp4| 国产亚洲欧美在线一区二区| 国产成人啪精品午夜网站| 日韩中文字幕欧美一区二区| 国产一区二区三区综合在线观看| 国产精品亚洲av一区麻豆| 欧美日韩瑟瑟在线播放| 日韩欧美一区二区三区在线观看 | 成年人黄色毛片网站| 在线观看免费高清a一片| 久久久国产欧美日韩av| 69av精品久久久久久| 最近最新中文字幕大全电影3 | 国产乱人伦免费视频| 人妻一区二区av| 老司机午夜十八禁免费视频| 成年人午夜在线观看视频| 另类亚洲欧美激情| 桃红色精品国产亚洲av| 丁香六月欧美| 精品一区二区三卡| 久久精品亚洲av国产电影网| 真人做人爱边吃奶动态| 久久精品aⅴ一区二区三区四区| 国产成人免费观看mmmm| 黑人巨大精品欧美一区二区mp4| 精品久久久久久久毛片微露脸| 午夜久久久在线观看| 国产亚洲精品久久久久久毛片 | 亚洲第一欧美日韩一区二区三区| 丝袜美足系列| 国产精品香港三级国产av潘金莲| 国产精品美女特级片免费视频播放器 | 久久午夜综合久久蜜桃| 亚洲国产毛片av蜜桃av| 又大又爽又粗| 香蕉久久夜色| 1024香蕉在线观看| 18禁裸乳无遮挡动漫免费视频| 黑人巨大精品欧美一区二区mp4| 热99久久久久精品小说推荐| 久久九九热精品免费| av电影中文网址| 国产精品久久久人人做人人爽| 18禁裸乳无遮挡免费网站照片 | 国产精品秋霞免费鲁丝片| 中文字幕精品免费在线观看视频| 精品人妻在线不人妻| 欧美人与性动交α欧美精品济南到| 亚洲av成人一区二区三| 91麻豆精品激情在线观看国产 | 99香蕉大伊视频| 老司机深夜福利视频在线观看| 午夜福利乱码中文字幕| 欧美日韩视频精品一区| av电影中文网址| 99精品欧美一区二区三区四区| 国产亚洲欧美98| 国产亚洲精品久久久久久毛片 | 国产精品一区二区免费欧美| 国产精品影院久久| 亚洲黑人精品在线| 亚洲少妇的诱惑av| 69av精品久久久久久| 我的亚洲天堂| 国产一区有黄有色的免费视频| 男人的好看免费观看在线视频 | 黄色视频不卡| 99久久综合精品五月天人人| 一区二区三区激情视频| 国产精品自产拍在线观看55亚洲 | 男女午夜视频在线观看| 国产精品久久视频播放| 少妇猛男粗大的猛烈进出视频| 亚洲av美国av| 欧美国产精品一级二级三级| 波多野结衣av一区二区av| 亚洲五月天丁香| 久久国产亚洲av麻豆专区| 国产在线观看jvid| 两性夫妻黄色片| 国产精品乱码一区二三区的特点 | 久久热在线av| 午夜免费成人在线视频| 午夜福利在线观看吧| 正在播放国产对白刺激| 国产精品一区二区精品视频观看| 久久国产精品大桥未久av| 久久这里只有精品19| 成人永久免费在线观看视频| 亚洲熟妇中文字幕五十中出 | 法律面前人人平等表现在哪些方面| 亚洲av成人不卡在线观看播放网| a级毛片在线看网站| 亚洲一区二区三区不卡视频| 亚洲成av片中文字幕在线观看| 精品欧美一区二区三区在线| 丝瓜视频免费看黄片| 91国产中文字幕| 欧美不卡视频在线免费观看 | 久久国产亚洲av麻豆专区| av视频免费观看在线观看| 无人区码免费观看不卡| 国产精品亚洲一级av第二区| 国产av精品麻豆| 久久国产精品人妻蜜桃| 人人妻,人人澡人人爽秒播| 99riav亚洲国产免费| 中文字幕精品免费在线观看视频| 日本精品一区二区三区蜜桃| 婷婷丁香在线五月| 乱人伦中国视频| 亚洲一卡2卡3卡4卡5卡精品中文| 女同久久另类99精品国产91| 亚洲七黄色美女视频| 一本综合久久免费| 亚洲精品国产精品久久久不卡| 中文字幕最新亚洲高清| 天天躁狠狠躁夜夜躁狠狠躁| 操出白浆在线播放| 一级a爱视频在线免费观看| 中文字幕人妻丝袜制服| xxxhd国产人妻xxx| 在线永久观看黄色视频| 在线av久久热| 极品少妇高潮喷水抽搐| 中文字幕人妻熟女乱码| 麻豆成人av在线观看| 狠狠狠狠99中文字幕| 亚洲一区二区三区不卡视频| 国产av精品麻豆| 亚洲国产欧美网| 久久精品人人爽人人爽视色| 精品国内亚洲2022精品成人 | 久久精品成人免费网站| 欧美日韩av久久| 天天操日日干夜夜撸| 又黄又粗又硬又大视频| 国产一区二区三区综合在线观看| svipshipincom国产片| av中文乱码字幕在线| 久9热在线精品视频| 麻豆成人av在线观看| 亚洲av日韩在线播放| 成人精品一区二区免费| 99re6热这里在线精品视频| 黑人猛操日本美女一级片| 啦啦啦免费观看视频1| 两人在一起打扑克的视频| 伊人久久大香线蕉亚洲五| 69精品国产乱码久久久| 久久久久久免费高清国产稀缺| 这个男人来自地球电影免费观看| 老司机亚洲免费影院| 国产精品自产拍在线观看55亚洲 | 精品视频人人做人人爽| 国产精品亚洲av一区麻豆| 好男人电影高清在线观看| 中文欧美无线码| 亚洲专区国产一区二区| 精品福利永久在线观看| 757午夜福利合集在线观看| 俄罗斯特黄特色一大片| 一级毛片高清免费大全| 国产精品二区激情视频| 久久久久精品国产欧美久久久| 美女午夜性视频免费| 国产亚洲欧美98| 国产深夜福利视频在线观看| 欧美人与性动交α欧美精品济南到| 黄网站色视频无遮挡免费观看| 一级,二级,三级黄色视频| av免费在线观看网站| 啪啪无遮挡十八禁网站| 老熟妇乱子伦视频在线观看| 亚洲黑人精品在线| 777久久人妻少妇嫩草av网站| 中亚洲国语对白在线视频| 麻豆成人av在线观看| a在线观看视频网站| 国产亚洲精品久久久久久毛片 | 欧美精品啪啪一区二区三区| 男女免费视频国产| 色老头精品视频在线观看| 国产精品久久久久久人妻精品电影| 亚洲一区中文字幕在线| 老鸭窝网址在线观看| 在线观看66精品国产| 国产成人影院久久av| 777久久人妻少妇嫩草av网站| 男女之事视频高清在线观看| 美国免费a级毛片| 国内毛片毛片毛片毛片毛片| 美国免费a级毛片| 中文字幕另类日韩欧美亚洲嫩草| 午夜福利影视在线免费观看| 香蕉丝袜av| 岛国在线观看网站| 人成视频在线观看免费观看| 欧美日韩av久久| 中亚洲国语对白在线视频| 国产精品亚洲一级av第二区| 18禁裸乳无遮挡免费网站照片 | 免费观看精品视频网站| www.999成人在线观看| 怎么达到女性高潮| 19禁男女啪啪无遮挡网站| 精品少妇久久久久久888优播| 一二三四社区在线视频社区8| 亚洲精品av麻豆狂野|