新書推薦：
《
缺席者的历史：以色列十个遗失的部落
》
售價：NT$
437.0
《
晚清洋务运动始末
》
售價：NT$
447.0
《
美索不达米亚神话
》
售價：NT$
391.0
《
别害怕吵架：教孩子在冲突中学会正向沟通
》
售價：NT$
274.0
《
这个甜甜圈不能卖：奇思妙想爆笑绘本（全2册）
》
售價：NT$
447.0
《
生活中的民法典实用全书：应知应懂的法律常识
》
售價：NT$
498.0
《
饲渊
》
售價：NT$
223.0
《
现金为王：把利润留下来，把成本降下去
》
售價：NT$
386.0
|
| 編輯推薦： |
|
计算机科学、自动化、应用数学、运筹学、工业与系统工程、通信工程领域中从事相关研究的科技工作者和工程技术人员，计算机科学、自动化、应用数学、运筹学和相关专业本科生和研究生及教师
|
| 內容簡介： |
|
分数阶微积分及相关研究是近年来科研领域的研究热点，该项研究不本书内容主要包括目标识别与跟踪技术的研究现状和基础理论（第1章）、卫星目标定位方法（第2～4章）、目标识别方法（第5，6章）和目标跟踪方法（第7，8章），介绍了相关目标卫星定位、识别和跟踪的研究背景、挑战性问题、解决理论、算法设计过程和应用场景分析等内容，并给出了相应的实验结果。
|
| 目錄：
|
目录
第1章 绪论 1
1.1 目标识别与跟踪技术简介 1
1.1.1 国内外研究成果 1
1.1.2 国内研究机构 2
1.2 目标识别与跟踪技术的应用 3
1.3 目标识别与跟踪相关技术 7
1.3.1 运动目标检测技术 8
1.3.2 运动目标识别与跟踪技术 9
1.4 图像稀疏表示理论 15
1.4.1 稀疏表示模型 15
1.4.2 稀疏表示的度量 16
1.4.3 稀疏表示的优化算法 16
第2章 卫星轨道参数计算 19
2.1 引言 19
2.2 卫星轨道描述 20
2.3 坐标系变换 22
2.3.1 平移变换 22
2.3.2 正交变换 23
2.3.3 直角坐标与极坐标的转换 24
2.4 导航定位方法 25
2.4.1 轨道计算 25
2.4.2 定位计算 32
2.5 仿真 34
2.6 小结 34
第3章 卫星导航定位算法 35
3.1 引言 35
3.2 导航定位算法的改进算法 35
3.2.1 对经典导航定位算法的改进 35
3.2.2 线性化求解的导航算法改进 39
3.2.3 卡尔曼滤波的导航算法的改进 40
3.3 基于迭代的导航定位新算法 44
3.3.1 具体实施算法 44
3.3.2 算法的收敛性 46
3.3.3 仿真 46
3.3.4 迭代法的加速收敛讨论 47
3.4 小结 48
第4章 基于卫星定位误差的**星座配置算法 49
4.1 引言 49
4.2 几何精度指标 49
4.3 定位误差的三维几何分布 50
4.3.1 定位误差协方差的计算 50
4.3.2 X与θ的关系 53
4.3.3 PDOP与仰角和方位角的关系 54
4.4 定位误差及其四维几何分布与选星 56
4.4.1 定位误差及其GDOP 56
4.4.2 星座仰角和方位角对定位精度的影响 57
4.5 仿真和讨论 58
4.5.1 仿真 58
4.5.2 一种新的选星算法 59
4.6 小结 60
第5章 基于模糊推理的目标识别算法 61
5.1 引言 61
5.2 有序加权平均算子的基本知识 62
5.3 一种区间值模糊推理 63
5.3.1 推理方法介绍 63
5.3.2 实例分析 66
5.4 模糊推理方法在纹理目标识别中的应用 67
5.5 小结 72
第6章 基于阈值的模糊目标识别算法 73
6.1 引言 73
6.2 模糊信号的阈值处理方法 76
6.2.1 阈值降噪 77
6.2.2 阈值去噪仿真 78
6.2.3 权值调整模糊处理 80
6.3 目标识别 80
6.3.1 目标特征提取 80
6.3.2 分级的自动识别方法 82
6.4 实验及结果分析 83
6.5 小结 85
第7章 基于稀疏INMF的目标跟踪算法 86
7.1 引言 86
7.2 非负矩阵分解相关理论 87
7.2.1 非负矩阵理论的发展 87
7.2.2 非负矩阵分解的目标函数 88
7.2.3 非负矩阵分解的优化求解方法 89
7.3 增量式非负矩阵分解理论 90
7.3.1 增量非负矩阵的目标函数 90
7.3.2 增量非负矩阵的更新规则 92
7.4 基于约束INMF的目标跟踪算法 93
7.4.1 稀疏非负子空间外观模型 93
7.4.2 外观模型的优化求解策略 94
7.4.3 在线目标跟踪算法框架 95
7.5 试验结果分析与比较 97
7.5.1 实验结果定性分析 98
7.5.2 实验结果定量分析 101
7.5.3 适用性讨论 102
7.6 小结 102
第8章 基于多任务学习的目标跟踪算法 104
8.1 引言 104
8.2 多任务学习基本理论 106
8.2.1 多任务学习的典型分类 107
8.2.2 多任务学习的典型算法模型 108
8.3 稀疏原型外观模型理论 110
8.4 基于多任务稀疏原型的视频跟踪算法 111
8.4.1 多任务稀疏外观模型 111
8.4.2 基于APG方法的**化求解策略 112
8.4.3 基于多任务稀疏原型的跟踪算法框架 114
8.5 试验结果分析与比较 115
8.5.1 实验结果定性分析 116
8.5.2 实验结果定量分析 121
8.5.3 适用范围 124
8.6 小结 124
参考文献 125
彩图
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
