電子目標(biāo)智能處理架構(gòu)研究(已改無(wú)錯(cuò)字)
2024-09-29 14 本頁(yè)面
【正文】 庫(kù)中分析提取電子目標(biāo)新參數(shù)樣本，目標(biāo)分類規(guī)則挖掘技術(shù)對(duì)電子目標(biāo)的參數(shù)樣本進(jìn)行進(jìn)一步的分類規(guī)則挖掘，分析提取目標(biāo)特征差異，形成目標(biāo)樣本的分類規(guī)則樹(shù)，作為目標(biāo)智能識(shí)別所需規(guī)則，支持目標(biāo)智能識(shí)別過(guò)程中的推理識(shí)別，提高目標(biāo)識(shí)別速度和準(zhǔn)確性。 3智能情報(bào)處理關(guān)鍵技術(shù)分析 如圖2中的①所示，目標(biāo)索引技術(shù)主要是利用目標(biāo)的一維或多維參數(shù)，建立目標(biāo)索引樹(shù)。目標(biāo)電磁特征參數(shù)較多，通常建立多維空間索引樹(shù)，通過(guò)空間索引樹(shù)可以實(shí)現(xiàn)目標(biāo)的快速搜索。索引樹(shù)結(jié)構(gòu)示意如圖3所示。其中非葉子節(jié)點(diǎn)包含所屬子節(jié)點(diǎn)的參數(shù)范圍，葉子節(jié)點(diǎn)即具體的目標(biāo)參數(shù)。圖3目標(biāo)索引樹(shù)圖3中的目標(biāo)索引樹(shù)可以采用二叉樹(shù)或多叉樹(shù)（通常建立平衡樹(shù)即b樹(shù)，以保證平均搜索效率最高），當(dāng)采用二叉樹(shù)時(shí)，搜索時(shí)間復(fù)雜度是o（logn2），n為目標(biāo)數(shù)量，而線性搜索時(shí)間復(fù)雜度是o（n/2）。由此可見(jiàn)當(dāng)n較大時(shí)，效率提升非常明顯，如n=1000，線性搜索平均需要500次搜索到目標(biāo)，而通過(guò)索引樹(shù)只需要大約11次即可搜索到目標(biāo)。當(dāng)然索引維護(hù)也需要時(shí)間，但采用適當(dāng)?shù)乃饕虏呗?，可以減少索引更新次數(shù)。 圖2中的③所示的輻射源型號(hào)分類規(guī)則挖掘技術(shù)包括兩個(gè)部分，一是：從情報(bào)產(chǎn)品庫(kù)中，通過(guò)數(shù)據(jù)挖掘提取輻射源的新特征參數(shù)樣本，過(guò)程如圖4所示。二是：輻射源型號(hào)分類規(guī)則挖掘，對(duì)輻射源電磁特征參數(shù)樣本進(jìn)行分類，生成輻射源型號(hào)分類決策樹(shù)，生成智能識(shí)別所需的推理規(guī)則。決策樹(shù)示意如圖5所示。圖5決策樹(shù)示意圖決策樹(shù)上的非葉子節(jié)點(diǎn)上包含目標(biāo)數(shù)量n及參數(shù)范圍，葉子節(jié)點(diǎn)（n=1）包含目標(biāo)id、型號(hào)及參數(shù)信息。連接線表示分類規(guī)則，規(guī)則由參數(shù)類型和參數(shù)范圍來(lái)描述。將根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的規(guī)則順序連接起來(lái)就得到推理過(guò)程。 輻射源型號(hào)智能識(shí)別技術(shù)一般可以基于兩類技術(shù)來(lái)實(shí)現(xiàn)，第一類是神經(jīng)網(wǎng)絡(luò)技術(shù)。第二類是智能推理技術(shù)。基于神經(jīng)
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1