[英]Why weights in systematic resampling algorithm are set to (1/N)?
N 个粒子散布在房间区域的图像。 只有在这个房间的两个地方(A和B),感知结果符合预期。 为简单起见,我们假设两个位置的权重相等,而房间中的每个其他位置都不符合感知结果,因此权重 0 为零。 因此,我们在 A 处有一个权重为 0.5 的粒子,在 B 处有一个权重为 0.5 的粒子(由将权重归一化为总和为 1 引起),这对真实位置的可能性进行了重新排序。
现在我们根据权重对 N 个粒子重新采样,并且(在一个完美的世界中并且运气好)最终在 A 处有 0.5*N 个粒子,在 B 处有 0.5*N 个粒子,因为一个粒子有 50% 的机会最终到达A. 通过将所有粒子的权重设置为 1/N,A 处所有粒子的权重总和为 0.5*N * 1/N = 0.5。 与 B 相同。因此,通过对粒子重新采样和重新加权,我们仍然表示相同的分布,但不是作为可能性(具有更高权重的粒子的位置的概率更高)而是作为频率(具有大量粒子的位置的概率更高 =频率)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.