radist_bgtu

sK0T Мне все-таки кажется, что этот подход больше применим для real-time систем. В моем случае обработка ведется уже готовых данных, и уже известно (пусть и не точное) положение в каждый момент времени, а не только в данный момент и предыдущие отсчеты времени. А есть какое-нибудь готовое решение, хорошо работающее в таких случаях? Что-то я сходу ни каких моделей предсказателей не нашел.

Проблема так и не решена. Так что, если у кого имеются какие-либо идеи, поделитесь ими, пожалуйста.

tvv Спасибо за ответ. Попробую прояснить ситуацию, на примере (это часть задачи). Есть последовательность картинок (фото), на которых перемещается объект. Разные алгоритмы определяют координаты объекта (или характерных точек) по разному. Некоторые алгоритмы могут вообще "терять" эти самые характерные точки. Правильность вычисления координат можно определить визуально.

Всем привет. Есть такая задача - нужно объединить данные, полученные как минимум двумя способами (комплексированием наверно не назовешь, но что-то типа того). А если точнее - есть 2 (минимум) алгоритма, результаты работы которых в силу их особенностей несколько отличается, каждый алгоритм по своему врет. Кроме того, часто бывает ситуация что один алгоритм в целом работает точно, но периодически сбоит - дает выпадения, другой сбоит в другие моменты времени. Выходные данные (они же входные для алгоритма объединения, который мне и нужно сделать) - 6 меняющихся во времени величин - 3 координаты и 3 угла. Как-то нужно все это дело объединить так, что бы получить наиболее правдоподобные данные. Простое усреднение по методам не подходит, нужно как-то вычислять заведомо неверные данные. Что в такой ситуации лучше всего работает.