偏联系数聚类和随机森林算法在雷达信号分选中的应用

论文摘要

为了提高雷达调制信号在电子对抗环境中的分选准确度,建立了基于偏联系数模糊聚类（PCFCM）算法和教与学随机森林（TLRF）算法的雷达调制信号分选（PCFCM-TLRF）模型。该模型引入偏联系数（PCN）改进K均值聚类（K-means）算法,优化模糊C均值聚类（FCM）算法,用优化后的FCM算法对信号样本集进行预处理;使用"教与学"优化（TLBO）算法优化随机森林（RF）算法,使优化后的RF算法能够以更低的复杂度构成更优的分类器;将预处理后的样本作为TLRF中的训练样本实现信号分选。研究结果表明,与其他分选模型相比,PCFCM-TLRF模型具有更高的分选准确度,能够有效地实现雷达调制信号的分选。

论文目录

• 1 引言
• 2 改进模糊C均值聚类算法
•   2.1 模糊C均值聚类算法
•   2.2 基于PCN改进的模糊C均值聚类算法
• 3 优化随机森林算法
•   3.1 随机森林算法
•   3.2 TLBO算法优化随机森林
• 4 PCFCM-TLRF信号分选模型
• 5 仿真实验与分析
•   5.1 改进算法性能分析
•   5.2 PCFCM-TLRF模型性能分析
• 6 结论

文章来源

类型: 期刊论文

作者: 张萌萌,刘以安,宋萍

关键词: 遥感,信号分选,偏联系聚类算法,教与学随机森林算法,集对分析

来源: 激光与光电子学进展 2019年06期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 武器工业与军事技术,电信技术

单位: 江南大学物联网工程学院

基金: 国家自然科学基金(21706096)

分类号: TN974

页码: 236-243

总页数: 8

文件大小: 936K

下载量: 173