10.3969/j.issn.1673-3819.2020.06.009
基于深度自编码网络的智能目标分群算法
随着大量战场观测传感器的应用,输入指挥控制系统的战场目标数据呈现激增的趋势,目标信息数据规模大、维度高、结构复杂等问题给目标分群技术带来了全新的挑战.然而,采用传统的聚类方法已经无法对高维的战场目标数据进行有效分群.针对当前目标分群技术的困境,提出了一种基于深度学习的智能目标分群技术,构建了基于深度堆栈自编码网络的目标分群模型,分别将k-means和GMM嵌入到目标分群模型中,提出了DAE-k和DAE-G两种基于深度学习的智能目标分群算法.通过设计智能目标分群技术的验证实验,建立目标分群效果的评价指标,验证了两种目标分群算法的有效性和适用性,并分析得出两种目标分群算法在处理不同数据类型过程中的优劣性.基于深度学习的智能目标分群技术研究能够使指挥控制系统对大规模高维数据的处理更加高效、智能,同时也为指挥控制系统的智能化建设提供了技术支撑.
目标分群、深度学习、自编码网络、聚类
42
TP389.1(计算技术、计算机技术)
2020-12-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
52-58