第13课数据有关联 课件(共21张PPT)-2023-2024学年浙教版（2023）四年级上册同步教学4

(课件网) 浙教版四年级上册 第13课 数据有关联 目录 CONTENTS 01 KM算法的数据关联 02 数据关联网络 03 匈牙利算法的数据关联概念 04 作业布置 05 总结回顾 匈牙利算法的数据关联概念 01 匈牙利算法（Hungarian Algorithm），也称为Kuhn-Munkres算法，是一种解决指派问题（Assignment problem）的优化算法。指派问题是在给定的任务和资源之间建立最佳的一对一分配关系的问题。 具体来说，匈牙利算法解决的是一个二维的代价矩阵，其中每个元素表示将一个任务分配给一个资源的成本或代价。算法的目标是找到一种分配方式，使得总成本最小。匈牙利算法的基本思想是通过不断寻找增广路径来找到最佳的分配方式。 1 代价矩阵德每一行减去改行的最小值。 2 代价矩阵德每一列减去该列的最小值。 3 用尽量少的线覆盖矩阵中所有的0，判断线的数量是否小于n（矩阵行数列数） 4 线的数量小于n，则需要继续减，未被线覆盖的行或者列继续减掉未被覆盖的最小值，被线覆盖一次的不参与减，被线覆盖两次的反而要加这个最小值。 5 重复上面步骤4，直到找到线的个数等于n，则得到最终的匹配方案。 匈牙利算法步骤： 最后需要划 4 条线才能覆盖住矩阵中所有的 0 元素，迭代终止，根据矩阵中 0 元素的位置很容易得到最终的匹配关系：目标1→目标D，目标2→目标B，目标3→目标A，目标4→目标C。这个匹配满足构成的二分图上的匹配边总权重最小，即总的匹配距离最小，代价最低。若目标和下一帧目标个数不一致，则需要补0进行匈牙利算法。假设不用匈牙利算法进行匹配，而是按照顺序进行局部最小值匹配。显然不是最优匹配。 KM算法的数据关联 02 KM算法 现在常说的以及文献中常提到的匈牙利算法和 Kuhn-Munkres 算法指的是同一个东西，求解的都是有权二分图最小权匹配问题；James Munkres 引入了“标星 0（starred zeros）”和“标撇 0（primed zeros）”的概念以改进匈牙利算法原始流程中的划线法，在算法执行过程中会选择性地对代价矩阵中产生的 0 元素标记星号（*）或标记撇号（’）来辅助搜索增广路，标星 0 表示增广路中的匹配边，标撇 0 表示增广路中的未匹配边。 可以说KM算法是对匈牙利算法进行了改进和推广。后来习惯将 Munkres 提出的方法称为 Kuhn–Munkres 算法、KM 算法或 Munkres 分配算法。 有一种观点认为匈牙利算法是不带权重的，只用于在图中寻找最大匹配。而KM算法是用于带权重的匹配，求解过程中包含匈牙利算法。若是此观点，则上述目标跟踪匹配例子其实应该叫KM算法，因为距离度量就是权重。 01 而另外一种观点则是匈牙利算法（Hungarian Algorithm），也称为Kuhn-Munkres算法，是同一种算法的不同叫法。 02 数据关联网络 03 数据关联网络 数据关联神经网络（Data Association Neural Network）是一种利用神经网络进行数据关联的方法。在目标跟踪、目标识别和多目标追踪等任务中，数据关联是指将观测到的目标与已知的目标进行关联，以确定它们之间的对应关系。 传统的数据关联方法通常依赖于启发式规则、距离度量或最大后验概率等方法。而数据关联神经网络通过学习数据之间的关联模式，从数据中自动学习和推断目标之间的关联关系。 总结回顾 04 总结回顾 02 通过今天的学习有哪些收获？请分享一下。 作业布置 05 logo 作业 继续查找有关数据关联的资料，我们下节课一起分享。 感谢聆听 ... ...