改进的K-Means算法在特征关联中的应用

• 作者: 关欣 孙祥威 曹昕莹
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: K-Means算法 无源多传感器 特征关联 灰关联度
• 年，卷（期）: 2014,（1）
• 页码范围: 81-85
• 页数: 5页
• 分类号: TN974
• 字数: 3927字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2014.01.014

摘要

特征关联是无源多传感器辐射源融合识别的一个关键步骤。特征关联是根据来源于同一辐射源的量测数据所具有的相似性，采用一定的算法和分配策略将多传感器获取的对多辐射源的量测值进行分类划分和关联判定，利用辐射源的特征信息来消除关联模糊。特征关联过程中一个重要环节就是分类算法的选取。K-Means算法是基于划分的聚类算法，已经广泛应用于诸多领域。改进了 K-Means算法，用灰关联度代替传统的距离度量定义了样本点间的距离，并对模拟产生的雷达辐射源特征参数样本集 Radar-da-tabase进行了分类。仿真结果表明，改进的K-Means算法提高了关联正确率，但消耗了更多时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关欣	海军航空工程学院信息融合技术研究所	104	1013	17.0	28.0
2	孙祥威	海军航空工程学院信息融合技术研究所	3	12	2.0	3.0
3	曹昕莹	海军航空工程学院信息融合技术研究所	4	53	3.0	4.0