基于聚类分群与模板匹配的态势估计方法研究
发布时间：2021-08-17 04:47
态势估计是战场数据融合中的重要层次。战场态势估计在现代作战中发挥着越来越重要的作用,总结应用领域内国内外专家提出的方法对于提高态势估计的效果具有深刻意义。本文主要利用模板匹配的方法进行了态势估计的研究,可用于识别敌方的作战意图,为战场指挥员提供有益的参考。论文重点研究了基于聚类分群与模板匹配的态势估计方法,主要创新体现在以下几个方面:首先提出了基于聚类算法的战场目标分群方法,介绍了K-means算法的优势及其缺陷,针对其缺陷做出改进。对初始聚类中心的选取问题提出利用先验知识驱动的解决方案,即根据具体应用场景选取相应初始聚类中心。并在实验环节将提出的目标分群算法与传统的K-means算法的分群效果进行了对比,验证了方法的有效性。其次提出了战场事件的表示方法以及态势模板的构建方法,指出了各种战场事件的类型,并对其进行了合理表示。指出了态势模板与战场事件的区别,对其进行了合理分层,为态势匹配提供了便利,更符合战场实际情况。最后提出了战场事件与态势模板的匹配方法,由于态势匹配的不确定性,将之前提出的匹配方法又进行了改进,通过引入支持度的概念,对匹配方法进行了改进,提高了态势参考的实用性,预期匹...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
目标速度矢量变化图
图 3.1 K-means 聚类算法分群结果图 3.1 场景中左上方的 6 个五角星代表的是 6 架战斗机，它们形成一个战斗机编队，中间偏上方是两个战斗机编队，右上方是一架预警机，海面纵坐标为 0，海面上的五角星代表的是敌军的作战舰艇，海面下是敌军的攻击潜艇，敌军水面和水下的舰艇共同构成一个作战编队。传统 K-means 算法的分群结果已使用红圈在图 3.1 中标记，一共分成五个群，结果显示左上方的 6 架 F16 战机被分为一个战斗机编队，中间偏上的 15 架战斗机和右侧的 1 架预警机被分为一个飞机编队。水面及水下的 12 艘舰艇被混乱的分成了三个群，并且其中的两个群的划分界限模糊，很难界定。使用传统 K-means 算法得出的战场作战单元分群结果聚类中心偏离群体的中心
图 3.1 K-means 聚类算法分群结果图 3.1 场景中左上方的 6 个五角星代表的是 6 架战斗机，它们形成一个战斗机编队，中间偏上方是两个战斗机编队，右上方是一架预警机，海面纵坐标为 0，海面上的五角星代表的是敌军的作战舰艇，海面下是敌军的攻击潜艇，敌军水面和水下的舰艇共同构成一个作战编队。传统 K-means 算法的分群结果已使用红圈在图 3.1 中标记，一共分成五个群，结果显示左上方的 6 架 F16 战机被分为一个战斗机编队，中间偏上的 15 架战斗机和右侧的 1 架预警机被分为一个飞机编队。水面及水下的 12 艘舰艇被混乱的分成了三个群，并且其中的两个群的划分界限模糊，很难界定。使用传统 K-means 算法得出的战场作战单元分群结果聚类中心偏离群体的中心，并且没有将右上角的预警机单独划分为一类，分类效果不好。可见传统 K-means 聚类算法并不适用于此场景的分群。
本文编号：3347086
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
目标速度矢量变化图
图 3.1 K-means 聚类算法分群结果图 3.1 场景中左上方的 6 个五角星代表的是 6 架战斗机，它们形成一个战斗机编队，中间偏上方是两个战斗机编队，右上方是一架预警机，海面纵坐标为 0，海面上的五角星代表的是敌军的作战舰艇，海面下是敌军的攻击潜艇，敌军水面和水下的舰艇共同构成一个作战编队。传统 K-means 算法的分群结果已使用红圈在图 3.1 中标记，一共分成五个群，结果显示左上方的 6 架 F16 战机被分为一个战斗机编队，中间偏上的 15 架战斗机和右侧的 1 架预警机被分为一个飞机编队。水面及水下的 12 艘舰艇被混乱的分成了三个群，并且其中的两个群的划分界限模糊，很难界定。使用传统 K-means 算法得出的战场作战单元分群结果聚类中心偏离群体的中心
图 3.1 K-means 聚类算法分群结果图 3.1 场景中左上方的 6 个五角星代表的是 6 架战斗机，它们形成一个战斗机编队，中间偏上方是两个战斗机编队，右上方是一架预警机，海面纵坐标为 0，海面上的五角星代表的是敌军的作战舰艇，海面下是敌军的攻击潜艇，敌军水面和水下的舰艇共同构成一个作战编队。传统 K-means 算法的分群结果已使用红圈在图 3.1 中标记，一共分成五个群，结果显示左上方的 6 架 F16 战机被分为一个战斗机编队，中间偏上的 15 架战斗机和右侧的 1 架预警机被分为一个飞机编队。水面及水下的 12 艘舰艇被混乱的分成了三个群，并且其中的两个群的划分界限模糊，很难界定。使用传统 K-means 算法得出的战场作战单元分群结果聚类中心偏离群体的中心，并且没有将右上角的预警机单独划分为一类，分类效果不好。可见传统 K-means 聚类算法并不适用于此场景的分群。
本文编号：3347086
本文链接：https://www.wllwen.com/shekelunwen/renwuzj/3347086.html
