基于机器学习的频谱监测数据与装备事件关联方法

• 作者: 刘锐 李培林 王文兵 钟立俊
• 来源期刊: 电子信息对抗技术
• 学科: 工学
• 关键词: 监测数据 装备事件 机器学习 异常检测 分类识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信号/信息处理
• 页码范围: 32-36
• 页数: 5页
• 分类号: TN971.1
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2230.2020.06.007

摘要

随着频谱监测设备在重点用频区域的广泛部署,监测数据呈现爆发式的增长,为了挖掘并利用监测数据规律来实现对频谱事件的有效推断,提出一种基于机器学习的事件关联方案.首先采用单类支持向量机(OCSVM)和深层神经网络(DNN)等机器学习算法分别对频谱监测数据进行过滤和分类识别;然后,通过建立监测数据和频谱事件的映射规则集,采用决策树(DTC)算法对规则集数据进行学习,并形成持久化模型;最终,实现对频谱事件的推断.实测数据的计算结果表明本文方法具有可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘锐		6	14	2.0	3.0
2	王文兵		2	2	1.0	1.0
3	钟立俊		4	4	1.0	2.0
4	李培林		2	1	1.0	1.0