本文關(guān)鍵詞：基于類決策樹分類的特征層融合識別算法

  更多相關(guān)文章： 決策樹 特征層融合 目標(biāo)識別 分類 類決策樹

【摘要】：針對雷達組網(wǎng)量測數(shù)據(jù)不確定性大、信息不完備等特點,基于決策樹分類算法的思想,創(chuàng)建類決策樹的概念,提出一種基于類決策樹分類的特征層融合識別算法.所給出的算法無需訓(xùn)練樣本,采用邊構(gòu)造邊分類的方式,選取信息增益最大的屬性作為分類屬性對量測數(shù)據(jù)進行分類,實現(xiàn)了對目標(biāo)的識別.該算法能夠處理含有空缺值的量測數(shù)據(jù),充分利用量測數(shù)據(jù)的特征信息.仿真實驗結(jié)果表明,類決策樹分類算法是一種簡單有效的特征層融合識別算法.
【作者單位】： 軍械工程學(xué)院電子與光學(xué)工程系;中國人民解放軍77618部隊;
【關(guān)鍵詞】： 決策樹 特征層融合 目標(biāo)識別 分類 類決策樹
【分類號】：TN957.52
【正文快照】： 0引言現(xiàn)代戰(zhàn)場環(huán)境日益復(fù)雜,在各種干擾存在的情況下,雷達回波得到的目標(biāo)量測信息不確定性大,很難滿足作戰(zhàn)系統(tǒng)目標(biāo)識別的需求.基于雷達組網(wǎng)的目標(biāo)融合識別有助于增強系統(tǒng)的抗干擾能力和環(huán)境適應(yīng)能力[1-2],提高目標(biāo)識別的可信度及準(zhǔn)確性,能夠為作戰(zhàn)指揮輔助決策提供重要依據(jù).

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 周偉芳;葉學(xué)義;何文韜;劉一銳;;基于SVM特征層融合的集成性身份識別模型[J];計算機應(yīng)用與軟件;2013年09期

2 蔣曉瑜;梁浩聰;王加;張旭帆;;目標(biāo)識別中多傳感器信息融合算法比較[J];計算機系統(tǒng)應(yīng)用;2013年04期

3 刁智華;趙春江;郭新宇;陸聲鏈;;一種新的基于平衡決策樹的SVM多類分類算法[J];控制與決策;2011年01期

4 王一;楊俊安;劉輝;;一種基于遺傳算法的SVM決策樹多分類方法[J];信號處理;2010年10期

5 吳瑕;周焰;蔡益朝;楊龍坡;;多傳感器目標(biāo)融合識別系統(tǒng)模型研究現(xiàn)狀與問題[J];宇航學(xué)報;2010年05期

6 萬樹平;董九英;;空襲目標(biāo)識別的證據(jù)理論方法[J];計算機工程與應(yīng)用;2010年01期

7 ;Multi-sources information fusion algorithm in airborne detection systems[J];Journal of Systems Engineering and Electronics;2007年01期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 穆建偉;決策樹分類的研究[D];大連交通大學(xué);2010年

2 陳娟;基于多特征融合的雷達目標(biāo)識別[D];西安電子科技大學(xué);2010年

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 范庚;馬羚;馬登武;;基于平衡決策樹相關(guān)向量機的模擬電路多類故障診斷方法[J];計算機測量與控制;2013年12期

2 吳瑕;陳建文;鮑拯;郭德陽;;天波超視距雷達探測彈道目標(biāo)關(guān)鍵因素與技術(shù)研究[J];系統(tǒng)工程與電子技術(shù);2013年11期

3 陳昊;侯慧群;楊承志;張榮;;基于改進灰關(guān)聯(lián)的雷達輻射源識別方法研究[J];現(xiàn)代防御技術(shù);2013年02期

4 許晴;李凡長;;上下文決策樹學(xué)習(xí)算法及其在機械波圖像中的應(yīng)用[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2013年02期

5 張燕君;龍呈;;一種改進的沖突表示方法[J];計算機應(yīng)用研究;2013年06期

6 張洪祥;毛志忠;;基于時點分割的核Fisher判別分析-順序回歸機多類分類建模方法[J];控制理論與應(yīng)用;2012年11期

7 熊秋燕;楊鶴標(biāo);;基于證據(jù)向量差異度改進的沖突證據(jù)融合方法[J];計算機應(yīng)用研究;2012年08期

8 方瑩;;多策略融合的SVM決策樹構(gòu)建[J];蘭州理工大學(xué)學(xué)報;2012年03期

9 徐琰珂;梁曉庚;賈曉洪;;利用模糊證據(jù)理論的信息融合方法及其應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報;2012年03期

10 于俊偉;劉楠;張德賢;王峰;;反艦導(dǎo)彈類型識別的貝葉斯網(wǎng)絡(luò)方法[J];計算機工程與應(yīng)用;2012年09期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 施f ;雷達有源欺騙干擾多尺度特征級識別技術(shù)研究[D];西安電子科技大學(xué);2014年

2 李朝陽;提高雷達信號檢測性能方法的研究[D];大連海事大學(xué);2015年

3 馬吉祥;農(nóng)藥的THz檢測研究[D];青島科技大學(xué);2014年

4 秦梟;雜波下相參雷達距離多普勒域多維特征聚類與特征提取[D];國防科學(xué)技術(shù)大學(xué);2013年

5 阮龍;窄帶雷達飛機目標(biāo)分類方法和雜波抑制方法研究[D];西安電子科技大學(xué);2013年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘭旭輝;熊家軍;陳勁松;;基于證據(jù)可信度的綜合目標(biāo)識別方法[J];傳感器與微系統(tǒng);2010年09期

2 吳瑕;周焰;崔建;楊龍坡;;導(dǎo)彈防御系統(tǒng)中紅外光電識別技術(shù)分析[J];紅外與激光工程;2009年05期

3 吳瑕;周焰;楊龍坡;崔建;;模糊動態(tài)AHP導(dǎo)彈識別算法[J];光電工程;2009年09期

4 夏思宇;潘泓;金立左;;非平衡二叉樹多類支持向量機分類方法[J];計算機工程與應(yīng)用;2009年17期

5 沈文;李彥鵬;王宏強;;基于模糊隸屬度及證據(jù)理論的空中目標(biāo)識別[J];科技信息;2008年35期

6 謝志強;高麗;楊靜;;基于球結(jié)構(gòu)的完全二叉樹SVM多類分類算法[J];計算機應(yīng)用研究;2008年11期

7 陳志杰;朱曉輝;朱永文;;多傳感器目標(biāo)識別融合模型研究[J];現(xiàn)代防御技術(shù);2008年05期

8 連可;黃建國;王厚軍;龍兵;;一種基于遺傳算法的SVM決策樹多分類策略研究[J];電子學(xué)報;2008年08期

9 叢蓉;王秀坤;楊南海;孟祥宇;;融合粗糙集和DS方法的空中目標(biāo)類型識別算法[J];控制與決策;2008年08期

10 鄧鵬華;畢義明;劉衛(wèi)東;王曉梅;;改進的證據(jù)理論在目標(biāo)識別中的應(yīng)用[J];系統(tǒng)工程與電子技術(shù);2008年07期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉敏;李曉東;王振海;;基于特征層融合的人臉識別新方法[J];計算機應(yīng)用;2009年10期

2 楊永明;林坤明;韓鳳玲;張祖瀧;;指紋與指靜脈的特征層動態(tài)加權(quán)融合識別[J];重慶大學(xué)學(xué)報;2012年09期

3 李智勇,匡綱要,鄒煥新,吳昊;基于特征層融合的高光譜圖像異常檢測算法研究[J];遙感學(xué)報;2003年04期

4 張志堅;趙松;張培仁;;增強典型相關(guān)分析及其在多模態(tài)生物特征識別特征層融合中的應(yīng)用[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2010年08期

5 周偉芳;葉學(xué)義;何文韜;劉一銳;;基于SVM特征層融合的集成性身份識別模型[J];計算機應(yīng)用與軟件;2013年09期

6 謝永成;程延偉;呂強;李光升;;基于特征層融合的模擬電路故障診斷方法[J];計算機工程與設(shè)計;2012年03期

7 胡勇,高雋,柴斌,胡良梅;一種基于模擬退火的特征層融合模式識別實現(xiàn)方法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2004年06期

8 曹文杰;胡德計;賈毅超;許愛文;;基于分層建模技術(shù)的CAD/CAPP/CAM集成系統(tǒng)研究[J];河北工業(yè)大學(xué)學(xué)報;2010年03期

9 吳昂;朱娟花;金施群;;大直徑測量系統(tǒng)的特征層數(shù)據(jù)融合[J];黑龍江科技學(xué)院學(xué)報;2006年05期

10 王罡,林新波,張質(zhì)良;基于特征和面向?qū)ο蟮睦溴懠a(chǎn)品信息建模研究[J];模具技術(shù);2002年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王新峰;機電系統(tǒng)BIT特征層降虛警技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2005年

，

本文編號：831983