基于M-CFSFDP算法的战场目标分群方法

TP301; 目标分群能够将战场目标划分为作战空间群,从而降低态势估计难度,提高决策效率.故针对战场中的目标分群问题,提出了一种基于流形距离(manifold)的密度峰值快速搜索聚类算法(clus-tering by fast search and find of density peaks,CFSFDP)的目标分群方法.该方法将目标分群转化为数据集聚类问题,通过计算目标间的流形距离来衡量目标间的相似度,然后在流形距离的基础上利用CFSFDP算法搜索聚类中心,指定其余数据点类别.仿真实验以人工数据集和UCI数据集为对象,验证了M-CFSFDP算法聚类效果优于CFSFDP算法;同时将M-CFSF...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	西北工业大学学报 2018-12, Vol.36 (6), p.1121-1128
Hauptverfasser:	李伟楠, 章卫国, 史静平, 吴云燕
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP301; 目标分群能够将战场目标划分为作战空间群,从而降低态势估计难度,提高决策效率.故针对战场中的目标分群问题,提出了一种基于流形距离(manifold)的密度峰值快速搜索聚类算法(clus-tering by fast search and find of density peaks,CFSFDP)的目标分群方法.该方法将目标分群转化为数据集聚类问题,通过计算目标间的流形距离来衡量目标间的相似度,然后在流形距离的基础上利用CFSFDP算法搜索聚类中心,指定其余数据点类别.仿真实验以人工数据集和UCI数据集为对象,验证了M-CFSFDP算法聚类效果优于CFSFDP算法;同时将M-CFSFDP应用在战场目标静态与动态分群中,仿真结果表明了该方法的正确性与有效性.
ISSN:	1000-2758
DOI:	10.1051/jnwpu/20183661121