本文關(guān)鍵詞：基于聚類分析的目標分群問題的應用研究

  更多相關(guān)文章： 態(tài)勢估計 目標分群 聚類分析 群目標動態(tài)場景仿真平臺

【摘要】：軍事決策中的一個重要過程便是態(tài)勢估計，而目標分群是態(tài)勢估計中的一個重點和難點問題。目標分群的結(jié)果可以決定態(tài)勢要素之間的關(guān)系，是指揮員確定戰(zhàn)術(shù)戰(zhàn)略的一個重要依據(jù)，這也就是目標分群的意義所在。 本文詳盡地介紹了有關(guān)態(tài)勢估計的數(shù)學模型、基本內(nèi)容和概念，在此基礎上引出了目標分群的基本內(nèi)容和概念，對態(tài)勢估計和目標分群的國內(nèi)外的研究現(xiàn)狀做了詳細介紹和分析，從而展開了對態(tài)勢估計中的目標分群問題的研究，最終選擇采用聚類分析的方法去解決目標分群問題。 本論文的主要工作如下： (1)在詳細介紹了聚類分析的基本概念和相關(guān)算法的基礎上，重點研究了劃分聚類算法，引入了基于熵權(quán)重的重心穩(wěn)定的全局K-means算法，并對該算法進行了k值優(yōu)化，分析了該算法的準確性和穩(wěn)定性，重點研究該算法用于目標分群問題的具體方式。 (2)研究基于熵權(quán)重的重心穩(wěn)定的全局K-means算法的思路、實現(xiàn)流程，，給出了其用于目標分群問題的具體流程，給出了基于熵權(quán)重的重心穩(wěn)定的全局K-means算法應用于目標分群問題的實現(xiàn)方法，進而研究了基于該算法的目標分群問題求解方法的具體程序?qū)崿F(xiàn)。 (3)開發(fā)了群目標動態(tài)場景仿真平臺和目標分群系統(tǒng)軟件，給出了具體的仿真實驗，實驗結(jié)果表明，本文提出的基于熵權(quán)重的重心穩(wěn)定的全局K-means算法在解決目標分群問題時是可行和有效的。 本文的主要創(chuàng)新點：研究了基于熵權(quán)重的重心穩(wěn)定的全局K-means算法，將基于熵權(quán)重的重心穩(wěn)定的全局K-means算法用于態(tài)勢評估中的目標分群問題中，開發(fā)了群目標動態(tài)場景仿真平臺和目標分群系統(tǒng)軟件，取得了較好的實驗結(jié)果。
【關(guān)鍵詞】：態(tài)勢估計 目標分群 聚類分析 群目標動態(tài)場景仿真平臺
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：C934;TP311.13
【目錄】：

• 摘要3-4
• Abstract4-6
• 目錄6-8
• 第一章 緒論8-18
• 1.1 研究背景和選題意義8-13
• 1.1.1 態(tài)勢估計概述9-11
• 1.1.2 態(tài)勢估計中的目標分群11-12
• 1.1.3 聚類分析的基本概念12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-16
• 1.2.1 態(tài)勢估計的國內(nèi)外研究現(xiàn)狀13-15
• 1.2.2 目標分群的國內(nèi)外研究現(xiàn)狀15-16
• 1.2.3 聚類分析的國內(nèi)外研究現(xiàn)狀16
• 1.3 本文主要工作及安排16-18
• 1.3.1 研究內(nèi)容16-17
• 1.3.2 篇章結(jié)構(gòu)17-18
• 第二章 基于聚類分析的目標分群的技術(shù)及其應用18-30
• 2.1 目標分群技術(shù)18-20
• 2.1.1 目標分群的數(shù)學模型18-19
• 2.1.2 目標分群算法的研究19-20
• 2.2 聚類技術(shù)20-25
• 2.3 劃分聚類算法及其在目標分群中的應用25-28
• 2.3.1 K-means 算法及其在目標分群中的應用25-26
• 2.3.2 K-mediods 算法及其在目標分群中的應用26-27
• 2.3.3 ISODATA 算法及其在目標分群中的應用27-28
• 2.4 本章小結(jié)28-30
• 第三章 基于 GEWCKM 算法的目標分群30-46
• 3.1 基于熵權(quán)重的 K-means 算法30-34
• 3.1.1 K-means 算法用于目標分群問題的局限性30
• 3.1.2 基于特征權(quán)重的 K-means 算法的主要思想和流程30-32
• 3.1.3 基于熵權(quán)重的 K-means 算法的主要思想和流程32-34
• 3.2 全局 K-means 算法34-38
• 3.2.1 基于熵權(quán)重的 K-means 算法用于目標分群問題的局限性34
• 3.2.2 全局 K-means 算法的主要思想和流程34-36
• 3.2.3 快速全局 K-means 算法36-38
• 3.3 基于熵權(quán)重的重心穩(wěn)定的全局 K-means 算法38-40
• 3.4 GEWCKM 算法的 k 值優(yōu)化40
• 3.5 基于 GEWCKM 算法的群的逐層建立40-43
• 3.5.1 空間群的劃分40-42
• 3.5.2 相互作用群的確定42
• 3.5.3 群的動態(tài)維護42-43
• 3.5.4 基于 GEWCKM 算法的目標分群求解總結(jié)43
• 3.6 本章小結(jié)43-46
• 第四章 目標分群系統(tǒng)的實現(xiàn)46-58
• 4.1 群目標動態(tài)場景仿真平臺46-48
• 4.1.1 仿真平臺描述46
• 4.1.2 仿真平臺軟件的設計與實現(xiàn)46
• 4.1.3 仿真平臺軟件組成結(jié)構(gòu)及模塊說明46-48
• 4.2 目標分群系統(tǒng)仿真軟件48-51
• 4.2.1 軟件系統(tǒng)介紹48-49
• 4.2.2 軟件使用說明49-51
• 4.3 實驗過程及實驗結(jié)果51-56
• 4.3.1 小批量目標的目標分群仿真實驗52-53
• 4.3.2 大批量目標的目標分群仿真實驗53-56
• 4.4 本章小結(jié)56-58
• 第五章 總結(jié)與展望58-60
• 5.1 總結(jié)58
• 5.2 展望58-60
• 致謝60-62
• 參考文獻62-66
• 研究成果66-67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 張明遠,王寶樹;態(tài)勢覺察中目標分群技術(shù)的實現(xiàn)[J];電光與控制;2004年01期

2 張芬;賈則;生佳根;張冰;謝峰;;態(tài)勢估計中目標分群方法的研究[J];電光與控制;2008年04期

3 雷英杰;王寶樹;王毅;;基于直覺模糊決策的戰(zhàn)場態(tài)勢評估方法[J];電子學報;2006年12期

4 梁百川,梁小平;數(shù)據(jù)融合中的態(tài)勢估計[J];艦船電子對抗;2003年01期

5 巴宏欣,趙宗貴,楊飛,董強,張濤;態(tài)勢估計——概念、內(nèi)容與方法[J];解放軍理工大學學報(自然科學版);2004年06期

6 李偉生;王寶樹;;態(tài)勢估計的目標編群問題研究[J];計算機科學;2003年08期

7 黃雷;郭雷;;一種面向態(tài)勢估計中分群問題的聚類方法[J];計算機應用;2006年05期

8 雷英杰;王寶樹;路艷麗;;基于直覺模糊邏輯的近似推理方法[J];控制與決策;2006年03期

9 劉毅勇;模擬表示、混合推理與戰(zhàn)場態(tài)勢評估[J];系統(tǒng)仿真學報;2003年12期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 楊小兵;聚類分析中若干關(guān)鍵技術(shù)的研究[D];浙江大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 劉啟亮;自適應空間聚類方法研究[D];中南大學;2011年

2 程岳;數(shù)據(jù)融合中態(tài)勢估計技術(shù)研究[D];西安電子科技大學;2002年

3 畢鵬;改進的Chameleon層次聚類算法在目標分群中的應用研究[D];浙江大學;2009年

4 白明明;多智能體系統(tǒng)建模、仿真及工程應用研究[D];西安電子科技大學;2012年

5 惠轉(zhuǎn)妮;基于Global K-means的多維數(shù)據(jù)聚類算法研究及其GPU加速[D];西安電子科技大學;2012年

本文編號：536231