在敵我雙方作戰(zhàn)過程中,軍事決策是決定雙方博弈結(jié)果的重要因素。軍事決策中一個(gè)非常重要的過程是態(tài)勢估計(jì),而在態(tài)勢估計(jì)中目標(biāo)分群則是重點(diǎn)和難點(diǎn)所在。目標(biāo)分群的重要意義在于目標(biāo)分群的結(jié)果可以決定態(tài)勢要素之間的相互關(guān)系,也是指揮員確定戰(zhàn)略方法的一個(gè)關(guān)鍵依據(jù)。聚類算法是解決目標(biāo)分群問題的常用算法,目前存在很多種類的聚類算法,但每種聚類算法都有各自的限制不能完全自由的應(yīng)用于各個(gè)場景。本文詳細(xì)介紹了目標(biāo)分群及其相關(guān)概念,主要研究了可以應(yīng)用于解決空中戰(zhàn)機(jī)目標(biāo)分群問題的聚類算法,主要內(nèi)容有以下三點(diǎn)。（1）系統(tǒng)介紹了聚類分析的基本概念和相關(guān)算法,其中重點(diǎn)研究了劃分聚類算法,引入了經(jīng)典的K-means算法,并對(duì)該算法進(jìn)行了優(yōu)化改進(jìn),重點(diǎn)研究分析了該算法應(yīng)用于空中戰(zhàn)機(jī)目標(biāo)分群問題的具體實(shí)現(xiàn)過程。（2）詳細(xì)描述了模糊C均值算法的基本概念和相關(guān)算法。在此基礎(chǔ)上,引入了模糊C均值算法的改進(jìn)算法,進(jìn)而研究了在解決空中戰(zhàn)機(jī)目標(biāo)分群問題時(shí)該算法的具體實(shí)現(xiàn)流程。（3）為了滿足實(shí)時(shí)性和穩(wěn)定性的要求,設(shè)計(jì)了一種解決空中戰(zhàn)機(jī)目標(biāo)分群問題的系統(tǒng)。該系統(tǒng)首先對(duì)傳統(tǒng)的模糊C均值聚類算法進(jìn)行改進(jìn),得出了最佳的聚類數(shù)目,然后用改進(jìn)的K均值聚... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 目標(biāo)分群研究背景概述
    1.2 國內(nèi)外研究現(xiàn)狀分析
    1.3 論文結(jié)構(gòu)概述
第二章 目標(biāo)分群的研究方法
    2.1 目標(biāo)分群研究方法綜述
    2.2 聚類算法分類簡介
        2.2.1 劃分聚類算法簡介
        2.2.2 層次聚類算法簡介
        2.2.3 基于密度的聚類算法簡介
        2.2.4 基于網(wǎng)格的聚類算法簡介
        2.2.5 基于模型的聚類算法簡介
    2.3 聚類算法相關(guān)準(zhǔn)則
        2.3.1 相似性度量
        2.3.2 聚類準(zhǔn)則
        2.3.3 聚類數(shù)評(píng)價(jià)指標(biāo)
    2.4 FCM算法和K均值算法的優(yōu)化算法
        2.4.1 模糊C均值聚類優(yōu)化算法的概述
        2.4.2 基于密度和馬氏距離優(yōu)化的模糊C均值聚類算(FCMBMD)
        2.4.3 基于改進(jìn)粒子群優(yōu)化的模糊C均值優(yōu)化算法
        2.4.4 K均值聚類優(yōu)化算法的概述
        2.4.5 改進(jìn)的自適應(yīng)均值濾波算法
        2.4.6 遺傳優(yōu)化的K均值聚類算法
    2.5 本章總結(jié)
第三章 目標(biāo)分群中K均值算法和FCM算法的應(yīng)用
    3.1 空中戰(zhàn)機(jī)目標(biāo)分群中K均值聚類算法的應(yīng)用
        3.1.1 K均值聚類算法概述
        3.1.2 目標(biāo)分群中K均值算法應(yīng)用
        3.1.3 目標(biāo)分群中K均值算法結(jié)果及分析
    3.2 空中戰(zhàn)機(jī)目標(biāo)分群中FCM聚類算法的應(yīng)用
        3.2.1 模糊C均值聚類算法概述
        3.2.2 目標(biāo)分群中FCM聚類的應(yīng)用
        3.2.3 目標(biāo)分群中FCM算法實(shí)驗(yàn)結(jié)果及分析
    3.3 本章總結(jié)
第四章 空中戰(zhàn)機(jī)目標(biāo)分群系統(tǒng)
    4.1 空中戰(zhàn)機(jī)目標(biāo)分群系統(tǒng)應(yīng)用背景及意義
        4.1.1 應(yīng)用背景
        4.1.2 應(yīng)用意義
    4.2 空中戰(zhàn)機(jī)目標(biāo)分群系統(tǒng)實(shí)現(xiàn)簡述
        4.2.1 系統(tǒng)應(yīng)用算法的要求
        4.2.2 系統(tǒng)應(yīng)用算法的實(shí)現(xiàn)原理
        4.2.3 系統(tǒng)應(yīng)用算法的實(shí)現(xiàn)過程
    4.3 仿真結(jié)果及其分析
        4.3.1 數(shù)據(jù)集
        4.3.2 實(shí)驗(yàn)結(jié)果
    4.4 空中戰(zhàn)機(jī)數(shù)據(jù)應(yīng)用結(jié)果及其分析
        4.4.1 空中戰(zhàn)機(jī)系統(tǒng)使用數(shù)據(jù)
        4.4.2 空中戰(zhàn)機(jī)系統(tǒng)界面使用說明
        4.4.3 空中戰(zhàn)機(jī)目標(biāo)分群系統(tǒng)實(shí)驗(yàn)結(jié)果及分析
    4.5 本章總結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]模糊C-均值聚類算法的優(yōu)化[J]. 熊擁軍,劉衛(wèi)國,歐鵬杰.  計(jì)算機(jī)工程與應(yīng)用. 2015(11)
[2]基于改進(jìn)的粒子群優(yōu)化的模糊C-均值聚類算法[J]. 王楊.  計(jì)算機(jī)與數(shù)字工程. 2014(09)
[3]高效率的K-means最佳聚類數(shù)確定算法[J]. 王勇,唐靖,饒勤菲,袁巢燕.  計(jì)算機(jī)應(yīng)用. 2014(05)
[4]利用核心集粗化的多層聚類算法[J]. 馬儒寧,王萍,丁軍娣.  計(jì)算機(jī)科學(xué)與探索. 2013(08)
[5]The Research of an Incremental Conceptive Clustering Algorithm and Its Application in Detecting Money Laundering[J]. CHEN Yunkai, LU Zhengding~ , LI Ruixuan, LI Yuhua, SUN Xiaolin College of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan 430074, Hubei, China.  Wuhan University Journal of Natural Sciences. 2006(05)
[6]態(tài)勢覺察中目標(biāo)分群技術(shù)的實(shí)現(xiàn)[J]. 張明遠(yuǎn),王寶樹.  電光與控制. 2004(01)
[7]關(guān)聯(lián)規(guī)則和聚類分析在個(gè)性化推薦中的應(yīng)用[J]. 鮑玉斌,王大玲,于戈.  東北大學(xué)學(xué)報(bào). 2003(12)
[8]態(tài)勢估計(jì)的目標(biāo)編群問題研究[J]. 李偉生,王寶樹.  計(jì)算機(jī)科學(xué). 2003(08)

碩士論文
[1]結(jié)合蟻群算法與基于劃分的DBSCAN聚類算法的研究[D]. 李靜.東北師范大學(xué) 2011
[2]數(shù)據(jù)融合中態(tài)勢估計(jì)技術(shù)研究[D]. 程岳.西安電子科技大學(xué) 2002



本文編號(hào)：3583470