1) database given model probability
数据集给定模型联合概率
2) joint probabilistic model
联合概率模型
1.
Structural system reliability analysis for offshore platforms based on the joint probabilistic model of wind and wave;
基于风浪联合概率模型的海洋平台结构系统可靠度分析
3) JPDA
联合概率数据关联
1.
A hybrid algorithm of maneuver multi-target track is proposed,which is named as Interacting Multiple Models-Fuzzy Joint Probabilistic Data Association(IMM-FJPDA).
提出了一种混合的多机动目标跟踪算法:交互多模型模糊联合概率数据关联算法(IMM-FJPDA),该算法将交互多模型算法(IMM)和模糊联合概率数据关联算法(FJPDA)相结合,它克服了IMM-JPDA算法计算量大和IMM-FDA算法在强杂波环境中跟踪精度差的问题。
2.
Meanwhile, when data association is achieved in JPDA algorithm, the computational amount will increases in index following target’s amount increasing, and its presupposition is rigorous.
针对群目标跟踪数据关联的特点以及多目标跟踪数据关联经典的联合概率数据关联算法存在的计算量大与假设条件苛刻等问题,提出了基于群目标的多目标概率数据关联算法GJPDA(Group-target joint probability data association)。
3.
We will mainly focus on the Interacting Multi-Model Arithmetic (IMM) and Joint Probability of Data Association (JPDA).
在滤波算法方面,介绍几种常用的滤波模型和滤波算法,着重阐述交互式多模型滤波算法(IMM),在数据关联技术方面,则重点分析了联合概率数据关联算法(JPDA)等问题。
4) joint probabilistic data association
联合概率数据关联
1.
It can achieve the better performance than joint probabilistic data association (JPDA) with slightly increased computational cost of probabilistic data association (PDA), and quickly.
针对杂波环境中多机动目标的跟踪问题,本文首先引入一种自适应滤波算法,并与快速概率数据关联算法结合,提出一种适于实际应用的密集回波环境下机动多目标跟踪的新算法—快速自适应概率数据关联(FAPDA)算法,利用近似概率数据关联(PDA)算法的计算量达到优于联合概率数据关联(JP-DA)算法的跟踪效果,并能快速检测到机动。
2.
This paper presents a comprehensible mathematics description of the joint probabilistic data association (JPDA) algorithm.
本文以易于理解的方式给出联合概率数据关联（JPDA）算法一个清晰的数学描述，并提出基于回溯剪枝技术拆分有效矩阵，以降低JPDA计算的时空复杂度。
5) joint probabilistic data association
联合概率数据互联
1.
Analysis to a few simplified algorithms based on joint probabilistic data association;
几种简化联合概率数据互联算法性能分析
2.
Centralized multisensor unscented joint probabilistic data association algorithm
集中式多传感器无极联合概率数据互联算法
3.
To resolve this problem,the paper presents a joint probabilistic data association algorithm based on estimation to the clutter density.
联合概率数据互联(JPDA)算法能很好地解决密集环境下的多目标跟踪问题。
6) AMSJPDA (Approximate Multi-Sensor multi-target Joint Probabilistic Data Association)
近似联合概率数据关联
补充资料：跳汰分层的概率—统计模型
跳汰分层的概率—统计模型
probability-statistic model of jigging stratification
t Iootol feneeng de ga一l已一tongj一m0Xing跳汰分层的概率一统计模型(probability-statistie model of Jigging stratifieation)应用概率一统计方法研究跳汰选矿分层规律的数学表达式。该项研究不再考虑分层作用机理，而将跳汰分层视作不同密度和杠度的颗粒向各自平衡层迁移的过程。在这一过程中颗粒之间的碰撞和紊流扰动使颗粒的运动带有随机性。同样性质的颗粒也会有不同的运动轨迹。因此对同一性质颗粒的分层运动可以用其分布中心的迁移和向邻层扩散来表述。重矿物进入下层的概率要比进入上层的为大，在床层的d，微层中，某种颗粒的概率分布密度aJ对时间的变化率可用颗粒的沉降量与扩散量之和表示: 瓮一，窦+:穿、l)式中x为床层厚度，m;A为颗粒在重力和阻力作用下向下运动的速度系数，m/s;B为颗粒的随机扩散运动系数，m/s“。由概率一统计原理知，某种性质颗粒分布中心的迁移速度以及颗粒围绕这个中心的离散均正比于颗粒从一层转入另一层的概率。随着时间的延长，颗粒接近自己的平衡层，层间转移的概率随之降低。某种性质粒群分布中心随时间变化的关系式为 夕、一夕ma、(1一e一k‘)(2)围绕该分布中心颗粒的离散(标准离差)武mZ)为 。2一令，急a、、e一‘!(3) 2“JJ___式中y为某种性质颗粒在时间为t时的分布中心距床层上表面的高度，m;yma、为该性质颗粒群的平衡层距上表面高度，m;K为表征移动比速度的系数;对一定性质的给料和一定的水力学参数，k值不变，其单位为l/S。 该概率一统计模型是一种普遍的规律式，它只能定性地说明跳汰过程中各密度层的形成过程。式中系数k与给料性质和水流特性存在一定关系，通过试验进一步建立起它们之间的关系后，有可能表示出原料性质对操作条件的要求和在一定时间内达到的分选指标，这项研究还有待继续完善。 (孙玉波)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条