[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

说明书

本发明公开一种基于改进决策树的空中目标识别方法，包括：构建目标航行轨迹数据集，分为训练集和测试集；对训练集和测试集进行特征提取、细化和离散化处理；基于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；将处理后的测试集输入目标分类决策树，按照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；遍历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；本发明还公开一种基于改进决策树的空中目标识别系统。本发明可有效挖掘目标历史活动轨迹中的行为模式。

技术领域

本发明属于机器学习技术领域，尤其涉及一种基于改进决策树的空中目标识别方法及系统。

背景技术

随着现代飞行器技术不断发展，遂行各类作战任务的航天器类型不断增加。现代战争中，对战场高价值空中目标及时准确地识别判证，可以保证对战场态势的全面掌控，有利于对战场情况实时分析研判，以做出及时响应。

现有的对空中目标自动识别方法，主要通过对同种或多种传感器感知的目标电磁特征、辐射源特征、光学成像特征或微波成像特征等进行目标识别，主要方法分为三类，一是针对空中目标旋转部件对雷达回波有调制作用的机理，对固定翼飞机目标和直升机飞机目标进行分类，二是利用信息融合的方法识别舰船或飞机型号，三是基于数据挖掘或神经网络方法，利用数据驱动的方法对飞机图像分类(朱进,胡斌,邵华.基于多重运动特征的轨迹相似性度量模型[J].武汉大学学报(信息科学版),2017,12:1703-1710.)。较少有从目标运动轨迹出发，利用目标的运动特性对目标进行识别的方法。因此目标的移动轨迹特征，尤其是历史轨迹没有得到充分的利用。

在少数利用目标运动轨迹特征进行目标识别的研究中，都是采用不同的方法将目标运动轨迹与历史轨迹进行匹配，根据相似度计算结果识别目标，不能有效挖掘目标历史活动轨迹中的行为模式(孙璐.海上目标多源时空数据挖掘分析关键技术研究[D].海军航空大学,2018.)。因此，基于目标历史运动轨迹识别目标类型的传统方法，仅建立在轨迹相似性度量的基础上，不能充分利用和挖掘目标行为模式。

发明内容

本发明针对现有少数利用目标运动轨迹特征进行目标识别的研究中，都是采用不同的方法将目标运动轨迹与历史轨迹进行匹配，根据相似度计算结果识别目标，不能有效挖掘目标历史活动轨迹中的行为模式的问题，提出一种基于改进决策树的空中目标识别方法及系统。

为了实现上述目的，本发明采用以下技术方案：

一种基于改进决策树的空中目标识别方法，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。