基于新型混合SVC算法的雷达辐射源信号识别

• 作者: 利稷夫 徐丽 薛飞
• 来源期刊: 电子元器件应用
• 学科: 工学
• 关键词: 模糊C-均值聚类算法 支持向量聚类 无监督聚类 雷达辐射源 识别率
• 年，卷（期）: 2010,（2）
• 页码范围: 69-72
• 页数: 4页
• 分类号: TN95

摘要

无监督学习方法能够对雷达辐射源信号进行有效的识别，支持向量聚类（Support Vector Clustering，SVC）算法是一种基于支持向量机的无监督聚类方法。SVC不仅时间复杂度高．而且在处理分布复杂、不均匀样本时，识别率较低。文章结合模糊C-均值算法与SVC算法的优点．提出了一种新的混合模糊C-均值法和SVC算法的无监督聚类方法。此方法用模糊C-均值聚类算法对数据样本作初步地线性划分，以将原数据样本划分成若干子样本。再用SVC算法分别对这些子样本进一步划分，再由模糊C-均值聚类法将二次规划问题分解，因而大大减少了SVC的计算量．降低了时间消耗。相对于原数据样本，子样本的分布较为简单、均匀，容易找到更为合适的SVC参数值。对雷达辐射源信号进行聚类分析的实验结果表明，此方法处理速度较快，具有较高的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	利稷夫	西南交通大学电气工程学院	4	0	0.0	0.0
2	徐丽	西南交通大学电气工程学院	6	10	1.0	3.0
3	薛飞	西南交通大学电气工程学院	4	1	1.0	1.0