[发明专利]基于权重聚类的信号测量特征匹配标注方法有效
申请号: | 202010010182.6 | 申请日: | 2020-01-06 |
公开(公告)号: | CN111353379B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 李思奇;王成刚;贺文娇;徐雄;赵文彬 | 申请(专利权)人: | 西南电子技术研究所(中国电子科技集团公司第十研究所) |
主分类号: | G06F18/241 | 分类号: | G06F18/241;G06F18/2337;G06F18/22;G01R29/02 |
代理公司: | 成都九鼎天元知识产权代理有限公司 51214 | 代理人: | 周浩杰 |
地址: | 610036 四川*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 权重 信号 测量 特征 匹配 标注 方法 | ||
1.一种基于权重聚类的信号测量特征匹配标注方法,其特征在于包括如下步骤:以信号测量特征数据预处理模块、多维特征权重聚类分析模块、多维特征模糊匹配关联模块、标签库样本数据更新模块和信号特征数据属性标注模块为单元,构建基于权重聚类的信号测量特征自动匹配标注软件架构,其中,信号测量特征数据预处理模块接收侦测的辐射源信号测量特征数据,分别作规范化、异常值剔除和数据压缩方面的预处理,按统一内部格式存储入待处理的缓存队列;多维特征权重聚类分析模块依次遍历信号测量特征数据集和类中心集所有元素,分别利用多维特征权重聚类分析算法作每一维信号特征粗判决和多维特征权重综合相似度判决,再进行多平台多架次侦测的同一辐射源信号测量特征数据聚类分析,形成聚类分析后的类中心集;多维特征模糊匹配关联模块采用基于模糊匹配的隶属度关联算法,将聚类中心集与标签知识库关联,计算综合模糊隶属度,判决形成待确认标签结果集,从中选取最大综合模糊隶属度作为最优关联标签结果;标签库样本数据更新模块根据多维特征模糊匹配关联模块的关联结果进行标签库样本数据更新,实现对标签库样本数据的维护管理;信号特征数据属性标注模块对信号测量特征数据作如下相应处理,若存在最优关联的标签知识则将此标签知识数据对应的辐射源属性信息,补全信号测量特征的属性,若不存在最优关联的标签知识则将生成的待确认类标签序号,赋值于信号测量特征的类标签,完成对输入的未知信号测量特征数据自动标注属性标签。
2.如权利要求1所述的基于权重聚类的信号测量特征匹配标注方法,其特征在于:信号测量特征数据预处理模块将输入的时间、位置和信号测量参数的外部接口转换为内部处理数据格式,同时把各特征参数单位统一为标准单位;并且作异常值剔除,将输入数据中超过某一维特征参数约定范围和出现突变数值的参数进行剔除,不参与后续处理。
3.如权利要求1所述的基于权重聚类的信号测量特征匹配标注方法,其特征在于:信号测量特征数据预处理模块针对同一编号的辐射源信号测量特征数据,采用数据均值压缩后得到的第j维信号测量特征值减少输入的信号测量特征数据量,以提高系统的实时处理速度,式中,L表示同一编号的辐射源信号测量特征总数,Zj(l)表示第l个第j维信号测量特征值。
4.如权利要求1所述的基于权重聚类的信号测量特征匹配标注方法,其特征在于:多维特征权重聚类分析模块从测量特征数据预处理模块存放的待处理缓存队列中取出数据,进行多平台多架次侦测的同一辐射源信号测量特征数据聚类分析,设置起始类中心,选取经预处理后的信号测量特征第1个数据作为起始类中心C(1);依次遍历信号测量特征数据集和类中心集所有元素,并作粗判决,即利用第n个信号测量特征数据元素X(n)与第k个类中心元素C(k),对每一维信号特征依次作判决|Xj(n)-Cj(k)|≤δj,其中,δj为第j维信号特征参数的类判决门限,n为信号测量特征数据集序号,k为类中心集序号,Xj(n)为X(n)的第j维特征参数,Cj(k)为C(k)的第j维特征参数。
5.如权利要求4所述的基于权重聚类的信号测量特征匹配标注方法,其特征在于:多维特征权重聚类分析模块计算每维归一化相似度和多维特征权重综合相似度的步骤为:若任一维信号特征不满足判决条件,则信号测量特征数据X(n)与类中心C(k)不是同一类,即返回继续遍历测量特征数据集和类中心集所有元素作粗判决;若每一维信号特征都满足判决条件,则计算第j维归一化后相似度其中δj为第j维信号特征参数的类判决门限;并利用每一维相似度βj及其特征权重值μj,计算多维特征权重综合相似度且特征权重值满足D为聚类分析维数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南电子技术研究所(中国电子科技集团公司第十研究所),未经西南电子技术研究所(中国电子科技集团公司第十研究所)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010010182.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于深度学习的磁共振成像优化方法及其设备
- 下一篇:一种图书征订管理系统