隨著現(xiàn)代信息技術(shù)的高速發(fā)展,各種高新技術(shù)也不斷地應(yīng)用在了軍事領(lǐng)域,使得戰(zhàn)爭越來越信息化,作戰(zhàn)雙方對信息的掌握和應(yīng)用程度對戰(zhàn)局有著越來越重要的影響。然而,軍隊信息化程度的提高也使得戰(zhàn)場數(shù)據(jù)浩如煙海。因此,如何處理大量戰(zhàn)場信息,給指揮員提供可靠、有用的信息情報,幫助指揮員進行正確、有效的決策,成為取得戰(zhàn)場優(yōu)勢的關(guān)鍵。分析戰(zhàn)場上敵方目標動態(tài)的異常變化,可以及時準確地發(fā)現(xiàn)戰(zhàn)場上敵方戰(zhàn)略部署的變化。但現(xiàn)階段,大多數(shù)信息系統(tǒng)主要通過可視化技術(shù)將戰(zhàn)場信息呈現(xiàn)給指揮員,主體功能在于展現(xiàn)信息,并沒有深入地分析挖掘數(shù)據(jù)所隱含的其他有價值的作戰(zhàn)信息,充分利用好戰(zhàn)場感知信息。因此,需要采用更為有效的計算機輔助的方式來檢測敵方目標信息數(shù)據(jù)的異常變化�；诖�,本文主要的研究內(nèi)容是對戰(zhàn)場目標活動信息進行異常分析,包括群體目標的位置動態(tài)異常,群體目標的頻域統(tǒng)計分布異常以及單目標的動態(tài)異常三個方面,為態(tài)勢預(yù)測提供理論技術(shù)支撐。詳細內(nèi)容如下:（1）研究戰(zhàn)場固定區(qū)域內(nèi)群體目標位置動態(tài)的異常檢測方法。由于戰(zhàn)場上目標的位置分布存在不均勻的情況,使用傳統(tǒng)DBSCAN聚類算法處理非均勻密度數(shù)據(jù)時聚類效果不佳,會導(dǎo)致異常檢測結(jié)果出現(xiàn)... 

【文章來源】：中國艦船研究院北京市

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

DBSCAN聚類算法圖解

敵方群體目標聚集點的個數(shù)發(fā)生變化舉例由圖3.6，在某時刻之間，敵方群體目標聚集點一直為一個，即C1，在此時

群目標位置動態(tài)仿真檢測率結(jié)果

【參考文獻】：
期刊論文
[1]基于K-Means聚類算法的行業(yè)用電行為分析[J]. 周小明,蘇安龍,楊宏宇.  電氣應(yīng)用. 2015(S1)
[2]改進的二次型直方圖距離度量[J]. 余旺盛,田孝華,侯志強,劉彬.  西安電子科技大學(xué)學(xué)報. 2015(03)
[3]基于DBSCAN的環(huán)境傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測方法[J]. 潘淵洋,李光輝,徐勇軍.  計算機應(yīng)用與軟件. 2012(11)
[4]DBSCAN算法中參數(shù)自適應(yīng)確定方法的研究[J]. 周紅芳,王鵬.  西安理工大學(xué)學(xué)報. 2012(03)
[5]基于組合歐拉向量與邊緣方向直方圖的圖像檢索方法[J]. 楊紅菊,菅小艷,曹付元,錢揖麗.  模式識別與人工智能. 2012(03)
[6]QPSO優(yōu)化的改進CLARANS聚類算法[J]. 段明秀.  計算機工程與應(yīng)用. 2013(09)
[7]一種新的直方圖核函數(shù)及在圖像分類中的應(yīng)用[J]. 賈世杰,孔祥維.  電子與信息學(xué)報. 2011(07)
[8]基于距離的不確定離群點檢測[J]. 于浩,王斌,肖剛,楊曉春.  計算機研究與發(fā)展. 2010(03)
[9]戰(zhàn)場復(fù)雜電磁環(huán)境構(gòu)成分析[J]. 李楠,張雪飛.  裝備環(huán)境工程. 2008(01)
[10]基于劃分和凝聚層次聚類的無監(jiān)督異常檢測[J]. 李娜,鐘誠.  計算機工程. 2008(02)

博士論文
[1]海戰(zhàn)場電磁態(tài)勢生成若干關(guān)鍵技術(shù)研究[D]. 周倜.哈爾濱工程大學(xué) 2013
[2]離群檢測算法研究[D]. 楊茂林.華中科技大學(xué) 2012
[3]智能數(shù)據(jù)分析中異常數(shù)據(jù)的集成化管理方法研究[D]. 姚衛(wèi)新.復(fù)旦大學(xué) 2004

碩士論文
[1]基于統(tǒng)計方法的異常數(shù)據(jù)檢測及其修復(fù)[D]. 金偉.南京郵電大學(xué) 2016
[2]基于多維數(shù)據(jù)模型的傳感器數(shù)據(jù)流異常檢測方法的研究[D]. 費歡.浙江農(nóng)林大學(xué) 2015
[3]基于密度差異的離群點檢測研究[D]. 辛麗玲.北京交通大學(xué) 2015
[4]基于密度的局部離群點檢測算法的研究與改進[D]. 趙新想.華中師范大學(xué) 2014
[5]數(shù)據(jù)挖掘中的離群點檢測算法研究[D]. 胡婷婷.廈門大學(xué) 2014
[6]電子商務(wù)環(huán)境中異常數(shù)據(jù)應(yīng)用研究[D]. 杜巖虎.蘭州交通大學(xué) 2013
[7]基于動態(tài)貝葉斯網(wǎng)絡(luò)的戰(zhàn)場信息預(yù)測與評估[D]. 陳固勝.南京理工大學(xué) 2013
[8]基于密度的局部離群點檢測算法分析與研究[D]. 揭財明.重慶大學(xué) 2012
[9]過程控制系統(tǒng)中異常數(shù)據(jù)檢測方法的研究[D]. 吳潔.東北大學(xué) 2011
[10]基于神經(jīng)網(wǎng)絡(luò)的異常點挖掘[D]. 趙伯夷.河北大學(xué) 2011



本文編號：3406229