基于聚类分析的空中战机目标分群应用研究

发布时间：2022-01-11 21:12

　　在敌我双方作战过程中,军事决策是决定双方博弈结果的重要因素。军事决策中一个非常重要的过程是态势估计,而在态势估计中目标分群则是重点和难点所在。目标分群的重要意义在于目标分群的结果可以决定态势要素之间的相互关系,也是指挥员确定战略方法的一个关键依据。聚类算法是解决目标分群问题的常用算法,目前存在很多种类的聚类算法,但每种聚类算法都有各自的限制不能完全自由的应用于各个场景。本文详细介绍了目标分群及其相关概念,主要研究了可以应用于解决空中战机目标分群问题的聚类算法,主要内容有以下三点。（1）系统介绍了聚类分析的基本概念和相关算法,其中重点研究了划分聚类算法,引入了经典的K-means算法,并对该算法进行了优化改进,重点研究分析了该算法应用于空中战机目标分群问题的具体实现过程。（2）详细描述了模糊C均值算法的基本概念和相关算法。在此基础上,引入了模糊C均值算法的改进算法,进而研究了在解决空中战机目标分群问题时该算法的具体实现流程。（3）为了满足实时性和稳定性的要求,设计了一种解决空中战机目标分群问题的系统。该系统首先对传统的模糊C均值聚类算法进行改进,得出了最佳的聚类数目,然后用改进的K均值聚... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 目标分群研究背景概述
    1.2 国内外研究现状分析
    1.3 论文结构概述
第二章 目标分群的研究方法
    2.1 目标分群研究方法综述
    2.2 聚类算法分类简介
        2.2.1 划分聚类算法简介
        2.2.2 层次聚类算法简介
        2.2.3 基于密度的聚类算法简介
        2.2.4 基于网格的聚类算法简介
        2.2.5 基于模型的聚类算法简介
    2.3 聚类算法相关准则
        2.3.1 相似性度量
        2.3.2 聚类准则
        2.3.3 聚类数评价指标
    2.4 FCM算法和K均值算法的优化算法
        2.4.1 模糊C均值聚类优化算法的概述
        2.4.2 基于密度和马氏距离优化的模糊C均值聚类算(FCMBMD)
        2.4.3 基于改进粒子群优化的模糊C均值优化算法
        2.4.4 K均值聚类优化算法的概述
        2.4.5 改进的自适应均值滤波算法
        2.4.6 遗传优化的K均值聚类算法
    2.5 本章总结
第三章 目标分群中K均值算法和FCM算法的应用
    3.1 空中战机目标分群中K均值聚类算法的应用
        3.1.1 K均值聚类算法概述
        3.1.2 目标分群中K均值算法应用
        3.1.3 目标分群中K均值算法结果及分析
    3.2 空中战机目标分群中FCM聚类算法的应用
        3.2.1 模糊C均值聚类算法概述
        3.2.2 目标分群中FCM聚类的应用
        3.2.3 目标分群中FCM算法实验结果及分析
    3.3 本章总结
第四章 空中战机目标分群系统
    4.1 空中战机目标分群系统应用背景及意义
        4.1.1 应用背景
        4.1.2 应用意义
    4.2 空中战机目标分群系统实现简述
        4.2.1 系统应用算法的要求
        4.2.2 系统应用算法的实现原理
        4.2.3 系统应用算法的实现过程
    4.3 仿真结果及其分析
        4.3.1 数据集
        4.3.2 实验结果
    4.4 空中战机数据应用结果及其分析
        4.4.1 空中战机系统使用数据
        4.4.2 空中战机系统界面使用说明
        4.4.3 空中战机目标分群系统实验结果及分析
    4.5 本章总结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]模糊C-均值聚类算法的优化[J]. 熊拥军,刘卫国,欧鹏杰.  计算机工程与应用. 2015(11)
[2]基于改进的粒子群优化的模糊C-均值聚类算法[J]. 王杨.  计算机与数字工程. 2014(09)
[3]高效率的K-means最佳聚类数确定算法[J]. 王勇,唐靖,饶勤菲,袁巢燕.  计算机应用. 2014(05)
[4]利用核心集粗化的多层聚类算法[J]. 马儒宁,王萍,丁军娣.  计算机科学与探索. 2013(08)
[5]The Research of an Incremental Conceptive Clustering Algorithm and Its Application in Detecting Money Laundering[J]. CHEN Yunkai, LU Zhengding~ , LI Ruixuan, LI Yuhua, SUN Xiaolin College of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan 430074, Hubei, China.  Wuhan University Journal of Natural Sciences. 2006(05)
[6]态势觉察中目标分群技术的实现[J]. 张明远,王宝树.  电光与控制. 2004(01)
[7]关联规则和聚类分析在个性化推荐中的应用[J]. 鲍玉斌,王大玲,于戈.  东北大学学报. 2003(12)
[8]态势估计的目标编群问题研究[J]. 李伟生,王宝树.  计算机科学. 2003(08)

硕士论文
[1]结合蚁群算法与基于划分的DBSCAN聚类算法的研究[D]. 李静.东北师范大学 2011
[2]数据融合中态势估计技术研究[D]. 程岳.西安电子科技大学 2002



本文编号：3583470