结合大数据及机器学习的发展与实践，以安徽省O域XDR与MR数据为基础，详细阐述了数据采集过程及XDR与MR关联的实现技术，并结合实践给出了关联率与准确率影响因素分析，通过机器学习与指纹定位算法结合，利用最小欧氏距离算法不断优化指纹定位提升定位精度，实现了关联后数据的栅格化，同时基于关联数据提出了面向规划、面向网络、面向客户、面向市场的创新应用场景与方向，最后给出了建维与市场两个方向的应用案例，验证了XDR与MR关联的应用前景。

JPDA数据关联论文，公式解释非常详细，最原始的论文，适合跟踪算法中的帧间关联。英文论文，通俗易懂。联合概率数据关联

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题，提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图，并对图中阴影采用一种简化去除算法，即判断前景像素时，将HSV分量用加权的形式描述，而不必对各个分量依次判断。对前景图提取观测值时，引入了合并处理算法，将分裂的多个矩形检测框进行合并。然后，利用推理的方法将前景观测值与目标关联，用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失，并能够解决多目标冲突、合并和分离等问题。

此数据可以用于进行关联规则算法分析，需要的自取，请勿商用

 本文研究基于IMMJPDA 算法的多机动目标跟踪，并对IMMJPDA 算法中聚矩阵的构成进行了改进。当目标
采用不同模型时，将产生多个相互独立的聚矩阵和可行矩阵，同时得到相应的可行矩阵的条件概率。最后利用模型
概率对上述条件概率进行加权求和得到关联概率。改进后的IMMJPDA 算法在RMSE 超调性能上有了一定的提高。

NNDA;PDA;JPDA;IMM数据关联算法matlab代码

关联度分析，Python代码结合数据，分析各个因素对于结果的影响程度

能实现多目标跟踪中数据关联，对每个目标设置合适的跟踪门，在跟踪门内认为增加杂波产生数据

联合概率数据关联（JPDA） X Y O Z2 Z1 Z3 量测 虚警 目标

多目标跟踪的数据关联算法研究.pdf