為解決武器觀瞄系統(tǒng)受多種不確定因素的影響難以測(cè)得大量數(shù)據(jù),文中提出一種新的狀態(tài)評(píng)估方法。使用局部聚類算法對(duì)已采集到的數(shù)據(jù)進(jìn)行聚類,得到各個(gè)等級(jí)聚類中心及其分類,再通過小子樣統(tǒng)計(jì)方法將小樣本轉(zhuǎn)換成大樣本,解決了試驗(yàn)樣本隨機(jī)性和樣本不足性對(duì)評(píng)估模型的影響。實(shí)例分析表明,經(jīng)該方法建立的模型得到的結(jié)論與基于先驗(yàn)知識(shí)的判斷一致,驗(yàn)證了所提方法的有效性。 

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引言
1 半監(jiān)督局部密度聚類算法
    1.1 局部密度聚類算法基本思想
    1.2 半監(jiān)督聚類概述
    1.3 初始聚類中心計(jì)算方法
2 Bootstrap小子樣統(tǒng)計(jì)方法
3 實(shí)例分析
    3.1
    3.2 樣本狀態(tài)評(píng)估
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于局部密度聚類算法的變壓器故障狀態(tài)評(píng)估[J]. 羅偉明,吳帆,黃業(yè)廣,吳杰康,覃煒梅,龔杰,金尚婷.  廣東電力. 2018(08)
[2]基于成對(duì)約束的主動(dòng)半監(jiān)督聚類算法[J]. 李軼然,張春娜.  計(jì)算機(jī)工程與設(shè)計(jì). 2013(08)

碩士論文
[1]局部密度聚類算法研究[D]. 葉宣佐.浙江工業(yè)大學(xué) 2017
[2]基于偶對(duì)約束的半監(jiān)督模糊聚類算法研究[D]. 周宇飛.河北大學(xué) 2014
[3]攻擊型無人機(jī)小子樣攻擊精度評(píng)估方法研究[D]. 汶小妮.西北工業(yè)大學(xué) 2005



本文編號(hào)：3716102