无线传感器网络中分布式点目标跟踪的高斯过程上置信界
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对分布式机器学习跟踪中对不确定性置信界的缺乏进行了探讨，提出了一种分布式高斯过程方法用于点目标跟踪，并推导出状态估计的上置信界。该方法的显著发现是开发了一种混合贝叶斯滤波方法，该方法提高了跟踪的准确性和可靠性，特别是在传感器受限的情况下。模拟结果表明，与基于置信区间的方法相比，所提上置信界在X和Y坐标上的真实目标状态的覆盖概率分别提高了88%和42%。
本研究提出了一种分布式高斯过程方法用于点目标跟踪，并推导出状态估计的上置信界。该方法提高了跟踪的准确性和可靠性，特别是在传感器受限的情况下。模拟结果表明，所提上置信界在X和Y坐标上的真实目标状态的覆盖概率分别提高了88%和42%。
