数据融合matlab代码-fastmurty:Murty的算法具有Miller，Stone，Cox的优化功能

数据融合matlab代码快节奏 此代码解决了面向假设的多重假设跟踪（HO-MHT）的数据关联问题。 更一般而言，此问题是k最佳2D分配或k最佳二分匹配问题。 也就是说，给定成本矩阵，它会以分配元素总成本的升序依次找到行与列的一对一分配。 数据关联问题的唯一更改是可以考虑行和列的多个子集（代表先前的假设）。 Murty算法是解决k个最佳分配问题的公知解决方案，并且存在诸如[1]，[2]之类的实现数据关联的实现。 此实现从中得到启发，并添加了一些新的优化。 它比[1]快一点，并且可以处理对象没有匹配度量的情况，反之亦然（这很重要）。 对于大而复杂的问题，它们都比[2]或我知道的任何其他实现都快得多。 有关上述优化的论文将在IEEE FUSION 2019大会上发表。 依存关系 该代码是用C语言编写的，仅具有标准库相关性，以便相对容易地移植到Python，MATLAB，C ++等。其中包括Python 2.7端口，并且需要numpy。 Python编译包Numba也可用于在example_3frame.py中达到较高的速度，但是可以在不更改功能的情况下将其删除。 在Python 3中使用可能