海面艦船的軌跡預(yù)測對預(yù)測精度和實時性有更高的要求,而艦船軌跡數(shù)據(jù)特征復(fù)雜度較高,傳統(tǒng)預(yù)測算法精度低、耗時長。為此,提出了一種基于變分自編碼的海面艦船軌跡預(yù)測算法。首先將軌跡坐標數(shù)據(jù)集轉(zhuǎn)換為軌跡移動矢量集,使用變分自編碼完成軌跡運動特征的提取與生成預(yù)測;同時為提高軌跡預(yù)測精度,將變分自編碼網(wǎng)絡(luò)的隱空間分布設(shè)定為疊加高斯分布,使其更加符合真實的數(shù)據(jù)分布特征,并在隱空間完成軌跡特征的分類,實現(xiàn)了端到端的軌跡預(yù)測。仿真結(jié)果表明,相對于傳統(tǒng)軌跡預(yù)測算法,基于變分自編碼的預(yù)測算法誤差降低了43. 73%,訓(xùn)練耗時降低了79. 4%,且改進后算法預(yù)測誤差進一步降低了35. 59%。 

【文章來源】：計算機應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁數(shù)】：4 頁

【參考文獻】：
期刊論文
[1]基于高斯混合-時間序列模型的軌跡預(yù)測[J]. 高建,毛鶯池,李志濤.  計算機應(yīng)用. 2019(08)
[2]一種聚類隱馬爾可夫模型的時空軌跡預(yù)測算法[J]. 孫紅,陳鎖.  小型微型計算機系統(tǒng). 2019(03)
[3]基于高斯混合-貝葉斯模型的軌跡預(yù)測[J]. 朱坤.  計算機與現(xiàn)代化. 2019(02)
[4]基于變分自編碼器的人臉正面化產(chǎn)生式模型[J]. 張鵬升.  軟件導(dǎo)刊. 2018(12)
[5]增強變分自編碼器做非平行語料語音轉(zhuǎn)換[J]. 黃國捷,金慧,俞一彪.  信號處理. 2018(10)
[6]自適應(yīng)高斯混合模型海上移動對象浮標軌跡聚類研究[J]. 葛麗閣,孫偉.  現(xiàn)代計算機(專業(yè)版). 2018(23)
[7]基于GMM的航班軌跡預(yù)測算法研究[J]. 林毅,張建偉,武喜萍,劉宇.  工程科學(xué)與技術(shù). 2018(04)
[8]一種基于高斯混合模型的海上浮標軌跡聚類算法[J]. 荊曉剛,葛麗閣,孫偉.  現(xiàn)代計算機(專業(yè)版). 2017(36)
[9]EAVTP:一種環(huán)境自適應(yīng)車輛軌跡預(yù)測方法[J]. 夏卓群,胡珍珍,羅君鵬.  小型微型計算機系統(tǒng). 2016(10)
[10]一種基于高斯混合模型的軌跡預(yù)測算法[J]. 喬少杰,金琨,韓楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ.  軟件學(xué)報. 2015(05)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的車輛軌跡預(yù)測算法的研究與實現(xiàn)[D]. 朱自升.西安電子科技大學(xué) 2018
[2]基于高斯混合模型的變分自動編碼器[D]. 李鵬.哈爾濱工業(yè)大學(xué) 2017
[3]不確定環(huán)境下移動車輛軌跡預(yù)測研究[D]. 胡珍珍.長沙理工大學(xué) 2017



本文編號：3163120