Abstract | ||
---|---|---|
Nous proposons dans cet article une approche par corrélation de données de type logique floue pour la poursuite multi-capteurs/multi-cibles. Cette approche par corrélation floue est développée sur la base de l'algorithme flou des moyennes coalescentes. L'approche proposée est appliquée à un système de poursuite multi-capteurs/multi-cibles bi- et quadri-dimensionnel dans des simulations de type Monte Carlo. L'évaluation des performances du système flou est présentée pour mettre en évidence l'efficience de cette approche nouvelle. La complexité en calcul de cette approche est également analysée et comparée à celle des méthodes floues d'association de données conventionnelles. Une amélioration considérable en termes de complexité de calcul et de performances est obtenue. |
Year | DOI | Venue |
---|---|---|
1999 | 10.1016/S0165-1684(99)00008-0 | Signal Processing |
Keywords | Field | DocType |
fuzzy logic data correlation,multisensor-multitarget tracking system,data fusion,data association,tracking systems,data correlation,fuzzy clustering,tracking system,fuzzy system,computational complexity,fuzzy logic,monte carlo simulation | Fuzzy clustering,Computer science,Fuzzy set operations,Tracking system,Artificial intelligence,Adaptive neuro fuzzy inference system,Fuzzy control system,Mathematical optimization,Neuro-fuzzy,Fuzzy logic,Algorithm,Machine learning,Computational complexity theory | Journal |
Volume | Issue | ISSN |
76 | 2 | Signal Processing |
Citations | PageRank | References |
18 | 1.35 | 4 |
Authors | ||
3 |
Name | Order | Citations | PageRank |
---|---|---|---|
Ashraf M. Aziz | 1 | 98 | 8.72 |
Murali Tummala | 2 | 103 | 32.49 |
Roberto Cristi | 3 | 158 | 203.50 |