[发明专利]一种基于改进决策树的空中目标识别方法及系统

权利要求书

1.一种基于改进决策树的空中目标识别方法，其特征在于，包括：

步骤1：通过传感器探测空中目标在航行过程中的位置点集合，形成目标航行轨迹数据集，并将所述目标航行轨迹数据集分为训练集和测试集；

步骤2：对训练集和测试集进行特征提取：从目标航行轨迹数据中提取目标在各个位置点的运动特征，形成第一特征向量，所述运动特征包括位置发生时间、位置经度、位置纬度、位置高度、运动速度及运动方向；

步骤3：对特征提取后的训练集和测试集进行细化和离散化处理：对第一特征向量各个维度进行细化，将经纬度表示为区域栅格，即将区域栅格号替换运动特征中的位置经度和位置纬度，并将连续值属性进行离散化处理，得到第二特征向量；

步骤4：基于步骤3处理后的训练集采用C4.5决策树算法构建目标分类决策树；

步骤5：将步骤3处理后的测试集中目标航行轨迹各位置点对应的第二特征向量输入步骤4中构建的目标分类决策树，按照所述目标分类决策树沿根节点分层判断，直至叶子节点的目标类型作为位置点的目标识别结果，该类型作为识别结果的支持度加1；

步骤6：遍历步骤3处理后的测试集中目标航行轨迹全部位置点，对识别结果进行统计，取支持度最高的识别结果作为目标航行轨迹的最终目标识别结果。

2.根据权利要求1所述的一种基于改进决策树的空中目标识别方法，其特征在于，所述步骤3包括：

步骤3.1：将每个位置点的经纬度表示映射为区域栅格表示：

3.1a)将十分制表示的位置经度、位置纬度转化为分度表示；

3.1b)将位置经度、位置纬度分度值除以栅格单位a，向下取整，得到位置经度坐标α和位置纬度坐标β；

3.1c)计算栅格号G：

步骤3.2：对位置点对应的位置发生时间、位置高度和运动速度，进行离散化处理，映射为区间表示；

步骤3.3：根据栅格号G的计算结果和离散化结果，得到包括位置发生时间、栅格号、位置高度、运动速度、运动方向的位置点第二特征向量表示。

3.根据权利要求2所述的一种基于改进决策树的空中目标识别方法，其特征在于，所述步骤4包括：

步骤4.1：将训练集中第二特征向量中栅格号G的集合作为决策树分裂的首选属性，根据G的所有取值生成若干分支结点，将训练集分割成若干训练子集；

步骤4.2：在一个训练子集中，根据信息熵和信息增益率的计算结果，采用C4.5决策树算法，选择除栅格号G外其他维特征向量中信息增益率最大的属性作为分裂节点继续分裂并构建子树；

步骤4.3：对决策树剪枝，将具有相同子树的分支结点合并，得到目标分类决策树。

4.一种基于改进决策树的空中目标识别系统，其特征在于，包括：

采集模块，用于通过传感器探测空中目标在航行过程中的位置点集合，形成目标航行轨迹数据集，并将所述目标航行轨迹数据集分为训练集和测试集；

特征提取模块，用于对训练集和测试集进行特征提取：从目标航行轨迹数据中提取目标在各个位置点的运动特征，形成第一特征向量，所述运动特征包括位置发生时间、位置经度、位置纬度、位置高度、运动速度及运动方向；

细化和离散化处理模块，用于对特征提取后的训练集和测试集进行细化和离散化处理：对第一特征向量各个维度进行细化，将经纬度表示为区域栅格，即将区域栅格号替换运动特征中的位置经度和位置纬度，并将连续值属性进行离散化处理，得到第二特征向量；

目标分类决策树构建模块，用于基于细化和离散化处理模块处理后的训练集采用C4.5决策树算法构建目标分类决策树；

测试模块，用于将细化和离散化处理模块处理后的测试集中目标航行轨迹各位置点对应的第二特征向量输入目标分类决策树构建模块中构建的目标分类决策树，按照所述目标分类决策树沿根节点分层判断，直至叶子节点的目标类型作为位置点的目标识别结果，该类型作为识别结果的支持度加1；

目标识别模块，用于遍历细化和离散化处理模块处理后的测试集中目标航行轨迹全部位置点，对识别结果进行统计，取支持度最高的识别结果作为目标航行轨迹的最终目标识别结果。