-
题名基于神经网络的无源多传感器属性数据关联
被引量：3
- 1
-
-
作者
徐敬
王秀坤
胡家升
-
机构
大连理工大学
-
出处
《系统仿真学报》
CAS
CSCD
2003年第1期127-128,131,共3页
-
基金
国防九五重点资助课题
-
文摘
采用引入动量项、自适应调整步长、Levenberg-Marquardt优化方法对基本的BP神经网络进行改进,以提高学习速度,改进的BP神经网络学习算法用于对无源多传感器获得的雷达辐射源参数进行属性数据关联,能够自适应地调整阈值,即根据训练数据调整关联的门限值,与确定门限的属性关联算法相比,有着很高的关联正确率。
-
关键词
神经网络
无源多传感器
属性
数据关联
数据处理
阈值
BP算法
学习算法
-
Keywords
feature data association
BP neural networks
improved BP learning algorithm
threshold
-
分类号
TP274.2
[自动化与计算机技术—检测技术与自动化装置]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进的K-Means算法在特征关联中的应用
被引量：5
- 2
-
-
作者
关欣
孙祥威
曹昕莹
-
机构
海军航空工程学院信息融合技术研究所
-
出处
《雷达科学与技术》
2014年第1期81-85,共5页
-
基金
新世纪优秀人才支持计划(No.NCET-11-0872)
-
文摘
特征关联是无源多传感器辐射源融合识别的一个关键步骤。特征关联是根据来源于同一辐射源的量测数据所具有的相似性,采用一定的算法和分配策略将多传感器获取的对多辐射源的量测值进行分类划分和关联判定,利用辐射源的特征信息来消除关联模糊。特征关联过程中一个重要环节就是分类算法的选取。K-Means算法是基于划分的聚类算法,已经广泛应用于诸多领域。改进了K-Means算法,用灰关联度代替传统的距离度量定义了样本点间的距离,并对模拟产生的雷达辐射源特征参数样本集Radar-database进行了分类。仿真结果表明,改进的K-Means算法提高了关联正确率,但消耗了更多时间。
-
关键词
K-MEANS算法
无源多传感器
特征关联
灰关联度
-
Keywords
K-Means algorithm
passive multi-sensor system
feature association
grey correlation grade
-
分类号
TN974
[电子电信—信号与信息处理]
-
