基于机器学习的多源数据态势评估技术研究

发布时间：2024-11-06 21:36

　　随着技术飞速发展,现代作战形式变得复杂多变。面对从作战环境中获取到的海量战场多源态势信息,指挥员进行实时决策成了相当困难的问题。数据源复杂多样,存在模糊性和不确定性,并且数据量极其庞大。如何从这些海量复杂的信息中排除掉无关紧要的数据信息,挖掘出有价值的特征信息,实时准确反映当前战场形势变化来辅助指挥员做出正确及时的作战决策成为当前研究的热点问题。多源数据态势评估技术能够对战场多源态势信息进行融合处理,最终建立当前战场态势评估图,帮助指挥者决策,但面对现代作战环境的复杂性,多源数据态势评估技术有待提高完善以帮助指挥者更明确当前战场事态状况并做出理性分析,更加快速、科学地对下一步计划制定出合理方案。本文以态势评估功能模型为基础,对多源数据态势评估技术中的问题及构建多源数据态势评估系统展开了深入研究。主要包括多源数据态势评估中的关于目标分群和关于目标意图识别两大关键技术中的算法模型,并设计实现了多源数据态势评估系统。研究工作内容及结果如下:1.对目标分群中的划分聚类算法进行了研究分析。针对K-Means算法存在的初始聚类中心敏感问题提出了sorted-D²采样方法,在此基...

【文章页数】：111 页

【学位级别】：硕士

【部分图文】：

第三章基于划分聚类的目标分群算法23Step1求出数据集x中所有样本点平均值，如图3-1所示为Iris数据集真实分布，红、绿、蓝三个样本点集分别为Iris数据集的三个簇类，黑色样本点”*”代表的是样本均值点。如图3-2为本章提出的SK-Means++算法初始聚类中心选取过程。图3....

电子科技大学硕士学位论文24(a)(b)(c)(d)(e)(f)图3-2SK-Means++算法初始聚类中心选取过程。(a)样本点与样本均值的距离分布情况；(b)得到第一个初始聚类中心的数据集分布；(c)样本点与第一个初始聚类中心的距离分布情况；(d)得到两个初始聚类中心的数据集....

电子科技大学硕士学位论文38算法，从finalSSE指标来看，K-MHMD算法结果多数情况都小于K-MC2算法。整体上说明K-MD2算法性能优于K-MC2算法，接近K-Means++算法。从四组UCI数据集上不同算法性能对比得出，SK-Means++>K-MeansII>K-MD....

电子科技大学硕士学位论文38算法，从finalSSE指标来看，K-MHMD算法结果多数情况都小于K-MC2算法。整体上说明K-MD2算法性能优于K-MC2算法，接近K-Means++算法。从四组UCI数据集上不同算法性能对比得出，SK-Means++>K-MeansII>K-MD....

本文编号：4011619