基于在线学习的跟踪框架

我们研究跟踪问题，即根据不可靠且有噪声的测量值，随时间估计物体的隐藏状态。跟踪问题的标准框架是生成式框架，它是贝叶斯算法及其近似方法（粒子滤波器）等解决方案的基础。然而，这些解决方案可能对模型失配非常敏感。本文受在线学习的启发，提出了一种新的跟踪框架。我们为该框架提供了一种高效的跟踪算法。我们给出了在模拟数据上将该算法与贝叶斯算法进行比较的实验结果。实验表明，当存在轻微模型失配时，我们的算法优于贝叶斯算法。