MétaCan
Menu
Retour à la cohorte
Enregistrement W2121321323

Meta level tracking with multimode space-time adaptive processing of GMTI data

2009· article· en· W2121321323 sur OpenAlexaff
Alex Wang, Vikram Krishnamurthy, Bhashyam Balaji

Notice bibliographique

RevueInternational Conference on Information Fusion · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueTarget Tracking and Data Fusion in Sensor Networks
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMoving target indicationComputer scienceSpace-time adaptive processingRadarClutterRadar trackerComputer visionSynthetic aperture radarArtificial intelligenceContext (archaeology)Radar imagingReal-time computingRadar engineering detailsContinuous-wave radarTelecommunicationsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ground surveillance of the battlefield provides military analysts with information that is critical to the success of a mission; the type of the information includes the enemy force structure, enemy offensive combat formation, and maneuvering events. The conventional approach uses mainly the synthetic aperture radar (SAR) and electro-optical (EO) sensors to perform detection and identification of stationary targets on the battlefield. Ground moving target indicator (GMTI) radar with space-time adaptive processing (STAP), on the other hand, allows a more complete perception of the battlefield by adding the capability to detect moving objects over a large area. In particular, the simultaneous detection and estimation of angular location of a ground moving target via adaptive cancellation of ground clutter is demonstrated, where a single reflector antenna with a multimode feedhorn is used in a GMTI radar. Based on the GMTI radar output, we illustrate the use of stochastic parsing algorithm with stochastic context free grammar (SCFG) as an unifying framework for data association, target tracking, and situation awareness.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,005
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,170
Tête enseignante GPT0,310
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Conference on Information FusionMême sujetTarget Tracking and Data Fusion in Sensor NetworksTravaux en français237 207