為了更好地實施電子干擾和欺騙,針對目標(biāo)雷達電磁行為識別問題,提出了一種新的算法。首先,給出了雷達電磁行為的形式化表述,并在此基礎(chǔ)上將各項屬性參數(shù)進行預(yù)處理;然后,通過改進的k-最近鄰分類算法（k-nearest-neighbor classifier,k-NN）對數(shù)據(jù)進行處理,從而對未知的雷達電磁行為進行識別。實驗結(jié)果表明:改進的算法引入剪枝加權(quán)策略可加強其分類識別能力,在分類準(zhǔn)確率和時間效率上較原算法有一定的改善,對于雷達電磁行為的識別是有效可行的。 

【文章來源】：海軍工程大學(xué)學(xué)報. 2020,32(03)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
1 雷達電磁行為表述
2 k-NN算法原理及改進算法
    2.1 k-NN算法的基本原理
    2.2 剪枝加權(quán)k-NN算法步驟
3 實驗分析
    3.1 數(shù)據(jù)預(yù)處理
    3.2 仿真實驗
4 結(jié)束語


【參考文獻】：
期刊論文
[1]SLSB-forest:高維數(shù)據(jù)的近似k近鄰查詢[J]. 錢途,錢江波,董一鴻,陳華輝.  電信科學(xué). 2017(09)
[2]戰(zhàn)場目標(biāo)作戰(zhàn)意圖識別問題研究與展望[J]. 姚慶鍇,柳少軍,賀筱媛,歐微.  指揮與控制學(xué)報. 2017(02)
[3]基于Hilbert曲線的近似k-最近鄰查詢算法[J]. 徐紅波,郝忠孝.  計算機工程. 2008(12)

碩士論文
[1]基于加權(quán)KNN算法的降水相似預(yù)報方法研究與實現(xiàn)[D]. 陳凱.南京航空航天大學(xué) 2014



本文編號：3203498