针对非均衡样本的雷达字提取算法

雷达字作为构成雷达短语的基元,其提取效果的好坏将直接影响后续雷达行为辨识的可信度。针对侦收数据不均衡情况下的雷达字提取问题,提出一种基于K-means算法改进的K-OPTICS雷达字提取算法。通过构建虚拟聚类中心和簇合并的方法,使其在各种样本不均衡的仿真场景下仍能取得91.22%以上的提取准确率,较传统算法具有更好的参数不敏感性。     

一种改进的CLIQUE高维子空间聚类算法

分析了经典的CLIQUE聚类算法,阐述了该算法存在的局限性,针对该算法时间复杂度高和聚类精度低的问题,提出了一种改进的CLIQUE聚类算法;改进的算法不仅具有传统CLIQUE算法的优点,而且利用降低冗余维度和备份密集单元数据库D'的策略,大大降低了搜索成本和时间复杂度;且进一步用混合网格划分技术替代原有算法的固定网格划分技术,提高了聚类结果的精度,保留了密集单元的完整性.     

一种不确定数据流子空间聚类算法

提出了基于滑动窗口的不确定数据流子空间聚类算法USSC,它应用采样时加权值的方法来选择初始化聚类中心点,采用滑动窗口SW缓存一段时间的元组作为聚类对象,并提出一种新的离群点处理机制来排除离群点Opo为适应不确定数据流元组不确定特性,该算法使用基于隶属度的非分割聚类方法来确定一个元组只能划分到一个簇中.试验结果表明,USSC算法与同类型的算法相比有较好的聚类效果和较快的聚类速度,而且其自身拥有很强的可伸缩性.     

基于属性关系矩阵的AP子空间聚类算法

Affinity Propagation（AP）聚类算法将所有数据点作为潜在的聚类中心,在相似度矩阵的基础上通过消息传递进行聚类, 但却不适用于子空间聚类。基于属性关系矩阵的AP子空间聚类算法（AP clustering algorithm based on attributes relation matrix, ARMAP）是一种异步软子空间聚类算法,首先通过计算属性a的 邻域得到属性的关系矩阵,然后通过查找极大全1子矩阵得到数据集的兴趣度子空间,最后在各兴趣度子空间使用AP算法聚类,完成子空间聚类的任务。ARMAP算法将子空间的查找转换成查找矩阵的极大全1子矩阵,在正确查找子空间的同时,降低了时间复杂度。算法既保留了AP聚类算法的优点,又克服了AP算法不能进行子空间聚类的不足。     

一种改进的事件驱动的MFR雷达字提取方法

从多功能雷达(MFR)脉冲序列中准确提取出雷达字是实现MFR 行为认知的前提。作为脉冲序列分析的重要组成部分,现有的雷达字提取方法仅仅利用了脉冲到达时间这一信息,难以适应多参数灵活变化的复杂雷达信号。以传统的事件驱动方法为基础,提出一种改进的MFR 的雷达字提取方法,对侦收到雷达脉冲依次进行量化、编码、计算事件概率,最后利用决策准则提取对应的雷达字。利用模拟生成的MFR 脉冲序列对算法进行仿真,结果表明,所提方法能够有效提高提取准确率,且对虚假脉冲和漏脉冲有良好的适应性。该算法的应用能够为后续对MFR 行为的准确辨识提供支撑。     

一种基于低秩表示的子空间聚类改进算法

该文针对现有的基于低秩表示的子空间聚类算法使用核范数来代替秩函数,不能有效地估计矩阵的秩和对高斯噪声敏感的缺陷,提出一种改进的算法,旨在提高算法准确率的同时,保持其在高斯噪声下的稳定性。在构建目标函数时,使用系数矩阵的核范数和Forbenius范数作为正则项,对系数矩阵的奇异值进行强凸的正则化后,采用非精确的增广拉格朗日乘子方法求解,最后对求得的系数矩阵进行后处理得到亲和矩阵,并采用经典的谱聚类方法进行聚类。在人工数据集、Extended Yale B数据库和PIE数据库上同流行的子空间聚类算法的实验对比证明了所提改进算法的有效性和对高斯噪声的鲁棒性。     

一种基于改进网格聚类的雷达信号分选算法

将网格聚类算法用于雷达信号分选,针对传统网格聚类算法执行效率不高,聚类精度低等问题,对传统网格聚类算法进行了改进,最后通过仿真实验验证了改进算法有效性和先进性。     

一种基于信息熵的空间聚类算法

空间数据挖掘技术是从空间数据库中提取隐含的、用户感兴趣的知识.针对当前的聚类算法没有很好考虑到空间数据的复杂性和数据之间的联系,再加上聚类的精确度不高,设计了一种新的算法—基于信息熵的空间聚类算法（ESCA算法）,该算法优先考虑空间数据的复杂性和数据之间的联系,并采用蚁群优化机制改善传统算法中聚类簇数不确定的缺点.实验结果表明该算法是可行,并且具有更高的精确度.     

一种基于属性空间相似性的模糊聚类算法

模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路：改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS)：首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。     

多功能相控阵雷达行为辨识综述

多功能相控阵雷达是指具备相位控制阵列,能同时实现搜索、跟踪、制导等多种功能的雷达。随着雷达对抗的不断升级以及各国对于电子战的日益重视,作为获取多功能相控阵雷达信息的重要手段,其行为辨识技术的研究得到了进一步发展。结合目前多功能相控阵雷达行为辨识的背景与意义,对已有的不同多功能相控阵雷达信号模型进行梳理,对高密度、大噪声信号环境下的波形单元提取算法和基于深度学习的工作模式识别算法进行识别性能、适用场景等方面的系统性对比,并归纳了不同仿真数据集的实际应用情况,最后总结了该技术存在的问题并提出了未来展望。     

MTI雷达中基于子空间分解的杂波抑制算法

最优MTI滤波器的权值与目标的多普勒频率有关，传统的MTI雷达需要利用一组能覆盖目标多普勒频率范围的并行滤波器组来实现最佳滤波。本文提出了一种算法，通过子空间分解法直接求取滤波器的权系数，由于无需多普勒滤波器组，系统的复杂度得到了降低。为了适应杂波的变化，本文还推导了该算法基于幂迭代的自适应过程。仿真结果表明：在不同的杂波环境下，该算法均有良好的MTI改善因子。     

抽样子空间约束改进大数据谱聚类算法

在分析经典谱聚目标函数与加权核k-means目标函数等价基础上,设计了一种基于抽样子空间约束的改进大规模数据谱聚类算法,算法通过加权核k-means迭代优化避免矩阵特征分解的大量资源被占用,通过数据抽样及聚类中心的子空间约束,避免全部核矩阵都被使用,从而降低经典算法的时间空间复杂度。理论分析和实验结果表明,改进算法保持与经典算法相近聚类精度,提高了聚类效率,验证了改进算法的有效性。     

链接文档中基于子空间分解的高效谱聚类算法

提出了一种基于子空间分解的高效谱聚类算法。首先,基于共识信息和特定域信息的矩阵分解将链接文档划分为3个子空间,然后对子空间添加正则化项建模共识信息和特定域信息对聚类的不同影响,并采用交替优化方法实现谱聚类。考虑到谱聚类的复杂性,提出了一种带曲线搜索的梯度下降法加速求解过程。3个真实数据集上的实验结果表明,所提算法在聚类质量和效率方面始终明显优于目前典型的基线算法,且对输入参数不敏感。     

基于雷达回波的特征提取算法研究

特征提取是目标自动识别的关键。本文给出了改进的回波预处理算法、基于图像处理理论的目标特征提取算法以及基于统计和变换特征的目标回波特征提取算法。第一种算法能有效提高识别效率,后两种算法相互补充,在实际工程应用中有较强的适应性。     

基于词嵌入和自注意力机制的方面提取算法

方面提取是情感分析中的关键步骤,随着互联网的快速发展,短文本数据迅猛增加,对短文本数据加以整理和利用极为重要.本文针对短文本的特殊性,提出了短文本模型WESM.与现有模型不同的是,本文引入了词汇共现网络,丰富了词汇的上下文信息,针对中文数据,引入了cw2vec模型,能够充分利用中文词语的语义信息;为了提高短文本的上下文...     

基于信号子空间抽取的DOA估计

本文提出了一种新的DOA(direction of arrival)估计方法,通过对信号子空间进行抽取,形成信号子空间的两个子集,由于两个子集包含有来波方向信息,采用最小二乘算法,能估计出信号的DOA。该方法的分辨性能和LS-ESPRIT算法的性能相当,但运算量比LS-ESPRIT以及MUSIC的要小很多。计算机仿真试验证实了方法的有效性。     

基于自适应子空间追踪的层析SAR成像算法

在对分布式SAR进行数据降采样下会信号的三维处理增加不少难题。其中在解决频域距离弯曲校正时,由于方位向的降采样使数据不再满足奈奎斯特定理,导致在多普勒域计算距离偏移量时会出现数据的混叠。针对该问题,提出了基于LMS估计的距离弯曲校正算法,该方法根据最小均方估计思想估计权值系数完成方位向的插值,有效解决了该条件下的距离弯曲问题。针对高层成像中稀疏阵列导致基线数量有限且不均导致成像分辨率差的问题,提出了基于压缩感知的自适应子空间追踪方法来提高高度维成像的分辨性能,相比于正交匹配追踪算法,它能实现对迭代得到候选解的同步检验,避免了错误结果积累的问题,有效提高了成像的质量。