张曼
- 作品数：4 被引量：13H指数：2
- 供职机构：西安工程大学计算机科学学院更多>>
- 发文基金：中国博士后科学基金国家自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- KTBoost预测模型的改进及应用
- 2022年
- 针对目前KTBoost预测模型中存在的精度低、拟合效果较差的问题,给出一种改进的KTBoost预测模型.首先提出了OGWO算法,使用反正切函数对传统灰狼优化算法(GWO)中的收敛因子进行优化,以解决算法中的无效迭代问题,然后运用OGWO算法对KTBoost模型中的超参数进行优化,从而提高模型预测的精度;最后,为了验证模型的可行性,将该模型及其他预测模型应用于交通流预测场景中进行对比.实验结果表明:相较于RBF模型、随机森林模型(RFR)、KTBoost模型、OGWO-RBF模型、OGWO-RFR模型,OGWO-KTBoost预测模型拟合效果更好,其决定系数值达到0.8265,在实际应用中有较好的预测效果.
- 张曼牟莉
- 关键词：超参数交通流预测
- 欠观测条件下的高斯和增量卡尔曼滤波算法被引量：1
- 2015年
- 欠观测条件下的增量卡尔曼滤波算法能够消除未知的量测系统误差,提高滤波精度。当系统的过程噪声和量测噪声为非高斯分布时,该算法不能直接使用。针对该问题,结合高斯和滤波算法,提出一种欠观测条件下的高斯和增量卡尔曼滤波算法。该算法将初始状态、过程噪声和量测噪声近似为高斯和的形式,然后按照增量卡尔曼滤波的思想对每个高斯项进行预测和更新,最后以累加和的形式对状态向量进行近似。仿真结果表明,该算法在非高斯噪声分布的情况下,既能成功地消除量测系统误差,又能有效地提高滤波估计的准确度和可靠性。
- 陈金广张曼王伟马丽丽
- 关键词：非高斯噪声卡尔曼滤波状态估计
- 有色噪声条件下的高斯和卡尔曼滤波算法被引量：2
- 2015年
- 标准卡尔曼滤波假设系统的过程噪声和量测噪声是均值为零的高斯白噪声,但在实际应用中,经常会遇到噪声为非高斯分布的有色噪声,因此不能直接使用卡尔曼滤波算法。针对该问题,提出一种有色噪声条件下的高斯和卡尔曼滤波算法。分别采用状态扩增法和量测扩增法对过程噪声和量测噪声进行白化处理;根据高斯和滤波思想,用多个高斯项的叠加来近似非高斯分布,实现对系统的状态估计。实验结果表明,该算法能够有效去除有色噪声影响,提高滤波精度。
- 马丽丽张曼陈金广
- 关键词：有色噪声非高斯噪声卡尔曼滤波状态估计
- 多传感器集中式增量卡尔曼滤波融合算法被引量：10
- 2014年
- 在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。
- 马丽丽张曼陈金广
- 关键词：多传感器数据融合
