文献类型：期刊文章

作　　者：谢彬[1,2] 张琨[1] 张云纯[1] 蔡颖[1] 蒋彤彤[1]

XIE Bin;ZHANG Kun;ZHANG Yunchun;CAI Ying;JIANG Tongtong(School of Computer Science and Engineering,Nanjing University of Science and Technology,Nanjing 210094,China;The 32nd Research Institute of China Electronics Technology Group Corporation,Shanghai 201808,China)

机构地区：[1]南京理工大学计算机科学与工程学院,南京210094 [2]中国电子科技集团公司第三十二研究所,上海201808

出　　处：《计算机工程》

基　　金：江苏省研究生科研与实践创新计划项目(SJCX18_0150)

年　　份：2018

卷　　号：44

期　　号：9

起止页码：177-183

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：传统的轨迹预测算法训练模型时需要耗费大量时间,且时空复杂度高、执行效率低,不能满足实时预测的需求。为此,提出一种改进的移动目标轨迹预测算法。基于欧氏距离进行轨迹相似度计算以提高预测准确性和实效性,根据最小描述长度原理对预测后的轨迹进行简化,优化运算效率。实验结果表明,该算法能准确预测移动目标的轨迹,并且具有较低的算法复杂度,适用于海量数据背景下的移动目标轨迹预测。

关 键 词：轨迹相似度  轨迹预测 移动目标  最小描述长度 遗传算法

分 类 号：TP391]