基于半监督学习聚类数据标注的多功能雷达工作模式识别 |
| |
作者姓名: | 余显祥 季康龙 李虎 何芸倩 齐晗廷 崔国龙 |
| |
作者单位: | 电子科技大学信息与通信工程学院,四川成都 611731;北京无线电测量研究所,北京 100854 |
| |
基金项目: | 国家自然科学基金资助项目(62101097) |
| |
摘 要: | 对多功能相控阵雷达工作模式准确识别可为电子对抗决策提供依据,具有重要研究意义。现有工作模式识别方法主要基于已知标签的训练集,而实际中先验信息匮乏,数据标签难以获知,极大影响了工作模式识别性能。为此,提出了一种在少量先验信息辅助下基于半监督学习聚类实现未知数据标注的工作模式识别方法。首先根据聚类算法的内部评价指标和外部评价指标对比分析AP聚类(affinity propagation clustering)、DBSCAN聚类(density-based spatial clustering of applications with noise)和模糊C均值聚类(fuzzy C-means clustering, FCM)3种典型聚类算法的性能,验证了AP聚类算法性能最优,并将其应用于对截获数据的数据标注中。然后利用卷积神经网络对雷达工作模式进行识别,并与已知标签训练集下的网络进行对比,验证了基于AP聚类算法进行数据标注的可行性,提升了相较传统识别网络的抗噪性,为后续多功能雷达行为认知提供了基础。
|
关 键 词: | 电子对抗 工作模式识别 聚类算法 神经网络 深度学习 |
收稿时间: | 2023/7/3 0:00:00 |
修稿时间: | 2023/9/21 0:00:00 |
|
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |
|