计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2009年
5期
954-956
,共3页
模糊C-均值聚类%特征加权%RBF神经网络%监督学习%自组织
模糊C-均值聚類%特徵加權%RBF神經網絡%鑑督學習%自組織
모호C-균치취류%특정가권%RBF신경망락%감독학습%자조직
水下目标识别在鱼雷水下武器反对抗中占有重要的地位,模糊聚类与神经网络相结合,广泛应用在模式识别的各个领域;在FCM算法中,考虑到样本矢量中各维特征对目标分类的不同影响,提出一种基于特征加权的改进FCM算法,使数据更有效的分类;将改进的FCM算法与改进RBF神经网络结合起来建模,充分利用二者的优点.运用到水下目标识别的分类中,得到满意的结果.提高了鱼雷跟踪定位目标的可靠性.
水下目標識彆在魚雷水下武器反對抗中佔有重要的地位,模糊聚類與神經網絡相結閤,廣汎應用在模式識彆的各箇領域;在FCM算法中,攷慮到樣本矢量中各維特徵對目標分類的不同影響,提齣一種基于特徵加權的改進FCM算法,使數據更有效的分類;將改進的FCM算法與改進RBF神經網絡結閤起來建模,充分利用二者的優點.運用到水下目標識彆的分類中,得到滿意的結果.提高瞭魚雷跟蹤定位目標的可靠性.
수하목표식별재어뢰수하무기반대항중점유중요적지위,모호취류여신경망락상결합,엄범응용재모식식별적각개영역;재FCM산법중,고필도양본시량중각유특정대목표분류적불동영향,제출일충기우특정가권적개진FCM산법,사수거경유효적분류;장개진적FCM산법여개진RBF신경망락결합기래건모,충분이용이자적우점.운용도수하목표식별적분류중,득도만의적결과.제고료어뢰근종정위목표적가고성.
