[发明专利]一种基于无监督学习的空域复杂度分类方法及装置有效
| 申请号： | 201910248306.1 | 申请日： | 2019-03-29 |
| 公开（公告）号： | CN109993225B | 公开（公告）日： | 2021-03-23 |
| 发明（设计）人： | 曹先彬;杜文博;朱熙;李碧月;李宇萌 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京科迪生专利代理有限责任公司 11251 | 代理人： | 安丽;成金玉 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于无监督学习的空域复杂度分类方法和装置，属于空域态势评估分类技术领域，包括如下步骤：步骤一，收集待处理的空域态势样本集；步骤二，去偏差并标准化空域态势样本集；步骤三，对空域态势样本集进行PCA降维处理；步骤四，对低维度样本集进行k‑Means聚类处理；步骤五，定义聚类后数据簇的复杂度类别。装置包括：样本输入模块；特征提取模块；特征降维模块；原型比对模块；复杂度输出模块。通过本发明进行空域复杂度的评估，不依赖于标定的先验知识，能够直接学习空域态势数据的内在特征及结构，使空域复杂度的分类具有可解释性，大大降低标定数据的人力和时间成本。 | ||
| 搜索关键词： | 一种 基于 监督 学习 空域 复杂度 分类 方法 装置 | ||
【主权项】：
1.一种基于无监督学习的空域复杂度分类方法，其特征在于，包括以下步骤：步骤一：收集待处理的空域态势样本集；步骤二：去偏差并标准化空域态势样本集；步骤三：对步骤二的空域态势样本集进行PCA降维处理，通过K邻近学习选择出降维维度，得到降维后的空域态势样本集；步骤四：对降维后的空域态势样本集进行k‑Means聚类处理，得到聚类后的数据簇；步骤五：确定聚类后数据簇的复杂度类别，完成空域复杂度的分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京航空航天大学，未经北京航空航天大学许可，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/patent/201910248306.1/，转载请声明来源钻瓜专利网。
