知识融合理论研究发展与展望

介绍了知识融合的定义及结构,概述和分析了其国内外研究现状,指出了该领域研究存在的问题,展望了知识融合的发展趋势,为今后相关研究提供了有益的思路。     

基于模糊聚类的多传感器特征关联算法研究

特征关联源于量测过程中的不确定性,是无源多传感器多目标跟踪中一个关键环节。模糊集理论的基本思想是把经典集合中的绝对隶属关系模糊化,为处理不确定事物的建模提供有力工具。一种基于模糊聚类的辐射源特征关联模型被提出,同时给出了确定相似性度量和检验门限的方法。最后模拟产生了雷达数据库,对雷达数据库进行了聚类,并与硬聚类算法和灰色聚类算法进行了比较,实验结果证明了该方法的优势和有效性。     

改进的K-Means算法在特征关联中的应用

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-da-tabase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。