基于粒子滤波和数据关联的多目标跟踪算法

本程序基于MATLAB语言开发和实现。使用粒子群寻优算法，对多目标的问题进行了优化。主要解决的是单目标寻优算法下的单目标寻优后导致的整体目标差的问题。

混沌优化算法在多目标跟踪数据关联中的应用，史健芳，李冰玉，针对Hopfield神经网络中输出函数的神经元增益对网络收敛动力学特性的影响和混沌神经网络中控制自反馈连接权衰减速度的参数对网络��

该方法实现了对多个目标的稳定跟踪，实现了对该方法的速度优化，能够同时稳定地跟踪多个运动目标。

实现目标跟踪是靠给定一个图像块目标，学习一个分类器来区分目标与周围环境。为解决自然图像中的变化，使用目标周围区域的循环矩阵采集正负样本（选取目标位置为正样本，离目标较远的为负样本），利用岭回归训练目标

vibe 前景检测+kalman多目标跟踪

一种改进的基于Camshift的粒子滤波实时目标跟踪算法，新的跟踪方法

粒子群优化算法因形式简洁、收敛快速和参数调节机制灵活等优点,同时一次运行可得到多个解,且能逼近非凸或不连续的Pareto最优前端,

基于网格排序的多目标粒子群优化算法

针对粒子群算法求解多目标问题极易收敛到伪Pareto 前沿(等价于单目标优化问题中的局部最优解), 并且 收敛速度较慢的问题, 提出一种?? 占优的自适应多目标粒子群算法(??DMOPSO). 在??

该资源提供了一套MATLAB代码，用于实现基于粒子群优化算法的多目标优化问题求解。