[发明专利]一种多目标数据关联方法、装置及计算机可读存储介质

权利要求书

1.一种多目标数据关联方法，其特征在于，包括：

计算观测集中各观测的特征得到观测特征集，以及对预设目标轨迹特征集以及所述观测特征集进行直觉模糊化，得到训练集和测试集；

对所述训练集进行前件参数辨识，以及对所述训练集进行后件参数辨识；其中，所述前件参数包括：隶属度、非隶属度以及直觉指数；

采用辨识得到的前件参数以及后件参数，对多目标T-S直觉模糊模型进行更新，得到训练完成的多目标T-S直觉模糊模型；

将所述测试集输入至所述训练完成的多目标T-S直觉模糊模型，获取目标关联矩阵；

基于所述目标关联矩阵进行多目标数据关联。

2.如权利要求1所述的多目标数据关联方法，其特征在于，所述对预设目标轨迹特征集以及所述观测特征集进行直觉模糊化的步骤，包括：

针对预设目标轨迹特征集以及所述观测特征集中的特征计算归属于模糊集的隶属度，以及通过最大化直觉模糊熵法计算最优参数；

将所述隶属度以及所述最优参数输入至预设隶属度计算公式，输出直觉模糊化后的隶属度；

将所述直觉模糊化后的隶属度以及所述最优参数输入至预设非隶属度计算公式，输出直觉模糊化后的非隶属度；

将所述直觉模糊化后的隶属度以及所述直觉模糊化后的非隶属度输入至预设直觉指数计算公式，输出直觉模糊化后的直觉指数；

所述隶属度计算公式表示为：

所述非隶属度计算公式表示为：

所述直觉指数计算公式表示为：π_z(H_i)＝1-μ_z(H_i)-υ_z(H_i)；

其中，μ_F表示所述归属于模糊集的隶属度，λ表示所述最优参数，μ_z(H_i)表示所述直觉模糊化后的隶属度，υ_z(H_i)表示所述直觉模糊化后的非隶属度，π_z(H_i)表示所述直觉模糊化后的直觉指数。

3.如权利要求1所述的多目标数据关联方法，其特征在于，所述对所述训练集进行前件参数辨识的步骤，包括：

针对所述训练集设计更新前的前件参数中的隶属度、非隶属度，以及前件参数中的直觉指数；隶属度设计公式表示为：非隶属度设计公式表示为：直觉指数设计公式表示为：其中，表示更新前的前件参数中的隶属度，表示更新前的前件参数中的非隶属度，表示前件参数中的直觉指数，表示第k个聚类中心第i维的隶属度，μ(x_i)表示输入数据z_i的隶属度，γ表示犹豫度，表示构建高斯隶属度函数的参数；

将所述更新前的前件参数中的隶属度以及所述更新前的前件参数中的直觉指数，输入至预设隶属度辨识公式，输出更新后的前件参数中的隶属度；所述隶属度辨识公式表示为：其中，表示所述输出更新后的前件参数中的隶属度；

将所述更新前的前件参数中的非隶属度以及所述更新前的前件参数中的直觉指数，输入至预设非隶属度辨识公式，输出更新后的前件参数中的非隶属度；所述非隶属度辨识公式表示为：其中，表示所述输出更新后的前件参数中的非隶属度；

将所述前件参数中的直觉指数进行输出。

4.如权利要求1所述的多目标数据关联方法，其特征在于，所述对所述训练集进行后件参数辨识的步骤，包括：

设计输入变量映射公式；所述输入变量映射公式表示为：令z_e＝(1，0，z^T)^T，其中，z＝[z₁，z₂，...，z_d]^T为模型的输入，为归一化后的第k条模糊规则对输入z的贡献程度，K为模糊规则数；

针对所述训练集采用预设后件参数辨识公式，输出优化后的后件参数；所述后件参数辨识公式表示为：

其中，P_g表示所述优化后的后件参数，z_g，n表示第n个输入变量的映射值，和分别表示z_g，n的隶属度和直觉指数，y_n表示第n个训练样本的真实标签值。