基于聚类的战场目标活动异常检测

发布时间：2021-09-23 18:50

　　随着现代信息技术的高速发展,各种高新技术也不断地应用在了军事领域,使得战争越来越信息化,作战双方对信息的掌握和应用程度对战局有着越来越重要的影响。然而,军队信息化程度的提高也使得战场数据浩如烟海。因此,如何处理大量战场信息,给指挥员提供可靠、有用的信息情报,帮助指挥员进行正确、有效的决策,成为取得战场优势的关键。分析战场上敌方目标动态的异常变化,可以及时准确地发现战场上敌方战略部署的变化。但现阶段,大多数信息系统主要通过可视化技术将战场信息呈现给指挥员,主体功能在于展现信息,并没有深入地分析挖掘数据所隐含的其他有价值的作战信息,充分利用好战场感知信息。因此,需要采用更为有效的计算机辅助的方式来检测敌方目标信息数据的异常变化。基于此,本文主要的研究内容是对战场目标活动信息进行异常分析,包括群体目标的位置动态异常,群体目标的频域统计分布异常以及单目标的动态异常三个方面,为态势预测提供理论技术支撑。详细内容如下:（1）研究战场固定区域内群体目标位置动态的异常检测方法。由于战场上目标的位置分布存在不均匀的情况,使用传统DBSCAN聚类算法处理非均匀密度数据时聚类效果不佳,会导致异常检测结果出现... 

【文章来源】：中国舰船研究院北京市

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

DBSCAN聚类算法图解

敌方群体目标聚集点的个数发生变化举例由图3.6，在某时刻之间，敌方群体目标聚集点一直为一个，即C1，在此时

群目标位置动态仿真检测率结果

【参考文献】：
期刊论文
[1]基于K-Means聚类算法的行业用电行为分析[J]. 周小明,苏安龙,杨宏宇.  电气应用. 2015(S1)
[2]改进的二次型直方图距离度量[J]. 余旺盛,田孝华,侯志强,刘彬.  西安电子科技大学学报. 2015(03)
[3]基于DBSCAN的环境传感器网络异常数据检测方法[J]. 潘渊洋,李光辉,徐勇军.  计算机应用与软件. 2012(11)
[4]DBSCAN算法中参数自适应确定方法的研究[J]. 周红芳,王鹏.  西安理工大学学报. 2012(03)
[5]基于组合欧拉向量与边缘方向直方图的图像检索方法[J]. 杨红菊,菅小艳,曹付元,钱揖丽.  模式识别与人工智能. 2012(03)
[6]QPSO优化的改进CLARANS聚类算法[J]. 段明秀.  计算机工程与应用. 2013(09)
[7]一种新的直方图核函数及在图像分类中的应用[J]. 贾世杰,孔祥维.  电子与信息学报. 2011(07)
[8]基于距离的不确定离群点检测[J]. 于浩,王斌,肖刚,杨晓春.  计算机研究与发展. 2010(03)
[9]战场复杂电磁环境构成分析[J]. 李楠,张雪飞.  装备环境工程. 2008(01)
[10]基于划分和凝聚层次聚类的无监督异常检测[J]. 李娜,钟诚.  计算机工程. 2008(02)

博士论文
[1]海战场电磁态势生成若干关键技术研究[D]. 周倜.哈尔滨工程大学 2013
[2]离群检测算法研究[D]. 杨茂林.华中科技大学 2012
[3]智能数据分析中异常数据的集成化管理方法研究[D]. 姚卫新.复旦大学 2004

硕士论文
[1]基于统计方法的异常数据检测及其修复[D]. 金伟.南京邮电大学 2016
[2]基于多维数据模型的传感器数据流异常检测方法的研究[D]. 费欢.浙江农林大学 2015
[3]基于密度差异的离群点检测研究[D]. 辛丽玲.北京交通大学 2015
[4]基于密度的局部离群点检测算法的研究与改进[D]. 赵新想.华中师范大学 2014
[5]数据挖掘中的离群点检测算法研究[D]. 胡婷婷.厦门大学 2014
[6]电子商务环境中异常数据应用研究[D]. 杜岩虎.兰州交通大学 2013
[7]基于动态贝叶斯网络的战场信息预测与评估[D]. 陈固胜.南京理工大学 2013
[8]基于密度的局部离群点检测算法分析与研究[D]. 揭财明.重庆大学 2012
[9]过程控制系统中异常数据检测方法的研究[D]. 吴洁.东北大学 2011
[10]基于神经网络的异常点挖掘[D]. 赵伯夷.河北大学 2011



本文编号：3406229