计算机应用研究

作者：刘莉萍,冯清贤,余志斌,

单位：1.西南交通大学电气工程学院,成都611756；2.中国电子科技集团公司第二十九研究所,成都610036；

关键词：超球覆盖,加权马氏距离,局部离群因子,自组织数据分析,免重训,

基金：装备发展部领域基金资助项目；电磁应用重点实验室基金资助项目；；

现有仿生模式识别分类器难以解决含有多个聚集点、非线性和稀疏性样本的分类问题。因此，引入特征分类贡献度，提出了基于改进的迭代自组织数据分析（M-ISODATA）的超球覆盖仿生模式识别算法。首先引入马氏距离对自组织数据分析方法（ISODATA）的欧氏距离替换，并引入熵权法对马氏距离进行加权以赋予各特征不同的贡献度；同时为了去除干扰样本点，引入改进的局部离群因子检测方法（M-LOF）对样本进行训练，减少了不同类别流形之间的重叠区域。再利用改进的自组织数据分析方法（M-ISODATA）对每类训练样本点动态聚类，寻找到同一类的多个小类覆盖区中心后，用超球进行该类的有效覆盖，并对落入重叠区域的测试样本点进行二次划分，实现测试样本的正确分类。最后在iris数据集上验证该算法的有效性，并将该算法应用于雷达辐射源信号的分类识别。实验结果表明，该算法具有很好的拒识、免重训能力，对于雷达信号的识别率能达到97.29%，相比于传统典型模式识别算法具有更好的识别能力。

来源：2023年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第3期