[发明专利]多源航迹关联机器学习系统

权利要求书

1.多源航迹关联机器学习系统，其特征在于，包括以下步骤：

步骤1：收集信源A和信源B历史航迹数据，对两信源航迹间的关联关系进行人工分析研判，存储航迹数据及人工分析研判结果，形成航迹关联训练原始数据库；

步骤2：设定航迹关联训练样本向量构成，基于航迹关联训练原始数据库，分别利用多个来自两个信源的同一目标航迹对数据和两个不同目标航迹对数据，计算生成关联类样本数据和非关联类样本数据，然后混合形成航迹关联训练数据；

步骤3：对训练数据集D进行预处理，生成规范、无量纲训练数据集

步骤4：选择机器学习中的二元分类学习模型，作为航迹关联机器学习模型，采用训练学习方法和模型验证方法，利用训练数据集对选定的航迹关联机器学习模型进行训练、验证和超参调优，生成航迹关联模型；

步骤5：如果当前训练生成的航迹关联模型效果满足需求，直接输出航迹关联模型，用于信源A和信源B航迹关联，如果不满意，则考虑更改航迹关联训练样本向量x构成或选择不同的分类学习模型，重复步骤2～步骤4，重新进行模型的训练验证；

其中，步骤1航迹关联训练原始数据库形成的特征在于：

步骤1.1：对信源A和信源B相同覆盖区域、相同时间段的航迹进行收集和保存，为使后续生成模型具有较强的泛化能力，在进行航迹数据收集时，保证收集数据的多样性，对不同外部环境、不同工作模式、不同时间段、不同重合区域的两信源典型航迹数据进行广泛全面收集；

步骤1.2：人工对所收集两信源航迹间数据进行分析研判，对确定源于和疑似源于同一目标的两信源航迹对分别进行标记，剩余未进行标记的两信源所有航迹对组合均认定为源于两个不同目标，并把标记结果与相应航迹数据保存在一起，共同形成航迹关联训练原始数据库。

2.如权利要求1所述的多源航迹关联机器学习系统，其特征在于所述步骤2具体包括以下子步骤：

步骤2.1：以航迹关联基本特征量为基础，复合构建训练样本向量x；航迹关联基本特征量包括两信源航迹在相同时刻航迹点处X方向位置差值Δx、X方向速度差值Y方向位置差值Δy、Y方向速度差值航向差值Δc变量，训练样本向量直接由某一时刻或多个时刻的部分或全部基本特征量构成，或通过非线性函数或核函数变换得到；

步骤2.2：根据构建的训练样本向量，从航迹关联训练原始数据库中选取多个两信源同一目标航迹对数据，计算得到关联类样本数据D_C1，选取多个两个信源不同目标航迹对数据，计算得到非关联类样本数据D_C2，然后混合构成航迹关联训练数据集D。

3.如权利要求1所述的多源航迹关联机器学习系统，其特征在于所述步骤3具体包括以下子步骤：

步骤3.1：对缺项零值样本进行处理，对训练数据中缺项零值样本所占比例比较小的，直接丢弃，所占比例不可忽视的，对缺项零值样本进行填充处理；

步骤3.2：对样本数据进行标准化处理，得到无量纲纯数值训练数据集

4.如权利要求1所述的多源航迹关联机器学习系统，其特征在于所述步骤4具体包括以下子步骤：

步骤4.1：选择二元分类学习模型，作为航迹关联机器学习模型；

步骤4.2：选择一种检验方法，把训练数据集划分分为训练集和测试集，为后续的模型训练和测试准备数据，同时确定验证方法；

步骤4.3：采用与所选择模型相适应的训练方法，利用训练集对选定的航迹关联机器学习模型进行训练，利用测试集对模型进行验证和超参调优，生成航迹关联模型。

5.如权利要求4所述的多源航迹关联机器学习系统，其特征在于所述步骤3.1中对缺项零值样本进行填充处理的具体方法包括平均值填充、热卡填充、K最近距离邻法填充。

6.如权利要求4所述的多源航迹关联机器学习系统，其特征在于所述步骤3.2中标准化处理包括0-1标准化、标准差标准化和正则化。