基于聚类分析的目标分群问题的应用研究

发布时间：2017-07-08 21:01

  本文关键词：基于聚类分析的目标分群问题的应用研究

  更多相关文章： 态势估计 目标分群 聚类分析 群目标动态场景仿真平台

【摘要】：军事决策中的一个重要过程便是态势估计，而目标分群是态势估计中的一个重点和难点问题。目标分群的结果可以决定态势要素之间的关系，是指挥员确定战术战略的一个重要依据，这也就是目标分群的意义所在。 本文详尽地介绍了有关态势估计的数学模型、基本内容和概念，在此基础上引出了目标分群的基本内容和概念，对态势估计和目标分群的国内外的研究现状做了详细介绍和分析，从而展开了对态势估计中的目标分群问题的研究，最终选择采用聚类分析的方法去解决目标分群问题。 本论文的主要工作如下： (1)在详细介绍了聚类分析的基本概念和相关算法的基础上，重点研究了划分聚类算法，引入了基于熵权重的重心稳定的全局K-means算法，并对该算法进行了k值优化，分析了该算法的准确性和稳定性，重点研究该算法用于目标分群问题的具体方式。 (2)研究基于熵权重的重心稳定的全局K-means算法的思路、实现流程，，给出了其用于目标分群问题的具体流程，给出了基于熵权重的重心稳定的全局K-means算法应用于目标分群问题的实现方法，进而研究了基于该算法的目标分群问题求解方法的具体程序实现。 (3)开发了群目标动态场景仿真平台和目标分群系统软件，给出了具体的仿真实验，实验结果表明，本文提出的基于熵权重的重心稳定的全局K-means算法在解决目标分群问题时是可行和有效的。 本文的主要创新点：研究了基于熵权重的重心稳定的全局K-means算法，将基于熵权重的重心稳定的全局K-means算法用于态势评估中的目标分群问题中，开发了群目标动态场景仿真平台和目标分群系统软件，取得了较好的实验结果。
【关键词】：态势估计 目标分群 聚类分析 群目标动态场景仿真平台
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：C934;TP311.13
【目录】：

• 摘要3-4
• Abstract4-6
• 目录6-8
• 第一章 绪论8-18
• 1.1 研究背景和选题意义8-13
• 1.1.1 态势估计概述9-11
• 1.1.2 态势估计中的目标分群11-12
• 1.1.3 聚类分析的基本概念12-13
• 1.2 国内外研究现状13-16
• 1.2.1 态势估计的国内外研究现状13-15
• 1.2.2 目标分群的国内外研究现状15-16
• 1.2.3 聚类分析的国内外研究现状16
• 1.3 本文主要工作及安排16-18
• 1.3.1 研究内容16-17
• 1.3.2 篇章结构17-18
• 第二章 基于聚类分析的目标分群的技术及其应用18-30
• 2.1 目标分群技术18-20
• 2.1.1 目标分群的数学模型18-19
• 2.1.2 目标分群算法的研究19-20
• 2.2 聚类技术20-25
• 2.3 划分聚类算法及其在目标分群中的应用25-28
• 2.3.1 K-means 算法及其在目标分群中的应用25-26
• 2.3.2 K-mediods 算法及其在目标分群中的应用26-27
• 2.3.3 ISODATA 算法及其在目标分群中的应用27-28
• 2.4 本章小结28-30
• 第三章 基于 GEWCKM 算法的目标分群30-46
• 3.1 基于熵权重的 K-means 算法30-34
• 3.1.1 K-means 算法用于目标分群问题的局限性30
• 3.1.2 基于特征权重的 K-means 算法的主要思想和流程30-32
• 3.1.3 基于熵权重的 K-means 算法的主要思想和流程32-34
• 3.2 全局 K-means 算法34-38
• 3.2.1 基于熵权重的 K-means 算法用于目标分群问题的局限性34
• 3.2.2 全局 K-means 算法的主要思想和流程34-36
• 3.2.3 快速全局 K-means 算法36-38
• 3.3 基于熵权重的重心稳定的全局 K-means 算法38-40
• 3.4 GEWCKM 算法的 k 值优化40
• 3.5 基于 GEWCKM 算法的群的逐层建立40-43
• 3.5.1 空间群的划分40-42
• 3.5.2 相互作用群的确定42
• 3.5.3 群的动态维护42-43
• 3.5.4 基于 GEWCKM 算法的目标分群求解总结43
• 3.6 本章小结43-46
• 第四章 目标分群系统的实现46-58
• 4.1 群目标动态场景仿真平台46-48
• 4.1.1 仿真平台描述46
• 4.1.2 仿真平台软件的设计与实现46
• 4.1.3 仿真平台软件组成结构及模块说明46-48
• 4.2 目标分群系统仿真软件48-51
• 4.2.1 软件系统介绍48-49
• 4.2.2 软件使用说明49-51
• 4.3 实验过程及实验结果51-56
• 4.3.1 小批量目标的目标分群仿真实验52-53
• 4.3.2 大批量目标的目标分群仿真实验53-56
• 4.4 本章小结56-58
• 第五章 总结与展望58-60
• 5.1 总结58
• 5.2 展望58-60
• 致谢60-62
• 参考文献62-66
• 研究成果66-67

【参考文献】

中国期刊全文数据库 前9条

1 张明远,王宝树;态势觉察中目标分群技术的实现[J];电光与控制;2004年01期

2 张芬;贾则;生佳根;张冰;谢峰;;态势估计中目标分群方法的研究[J];电光与控制;2008年04期

3 雷英杰;王宝树;王毅;;基于直觉模糊决策的战场态势评估方法[J];电子学报;2006年12期

4 梁百川,梁小平;数据融合中的态势估计[J];舰船电子对抗;2003年01期

5 巴宏欣,赵宗贵,杨飞,董强,张涛;态势估计——概念、内容与方法[J];解放军理工大学学报(自然科学版);2004年06期

6 李伟生;王宝树;;态势估计的目标编群问题研究[J];计算机科学;2003年08期

7 黄雷;郭雷;;一种面向态势估计中分群问题的聚类方法[J];计算机应用;2006年05期

8 雷英杰;王宝树;路艳丽;;基于直觉模糊逻辑的近似推理方法[J];控制与决策;2006年03期

9 刘毅勇;模拟表示、混合推理与战场态势评估[J];系统仿真学报;2003年12期

中国博士学位论文全文数据库 前1条

1 杨小兵;聚类分析中若干关键技术的研究[D];浙江大学;2005年

中国硕士学位论文全文数据库 前5条

1 刘启亮;自适应空间聚类方法研究[D];中南大学;2011年

2 程岳;数据融合中态势估计技术研究[D];西安电子科技大学;2002年

3 毕鹏;改进的Chameleon层次聚类算法在目标分群中的应用研究[D];浙江大学;2009年

4 白明明;多智能体系统建模、仿真及工程应用研究[D];西安电子科技大学;2012年

5 惠转妮;基于Global K-means的多维数据聚类算法研究及其GPU加速[D];西安电子科技大学;2012年

本文编号：536231