一种面向态势估计中分群问题的聚类方法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｍａ ０ ６ ｖ２ ０
种 面 向 态 势 估 计 中分 群 问题 的 聚 类 方 法
黄 雷 ， 郭 雷
（ 西北工业大学 自动化学院， 陕西 西安 ７０７ ） １０ ２
（ ａｒ＠ｍ ｉ ｎ ｐ ．ｄ ．ｎ ｈｒ ｙ ａ ． ｗ ｕ ｅｕ ｃ ） ｌ
摘 要 ： 目标分群技术 问题 进行 了描 述 ， 或聚 类 问题是 态势估计 需要 实现 的 一个重要 功能 ， 对 分群 主要根据底层融合的结果应用聚类分析法实现战场 目 标分群。目 标分群的结果有助于确定态势元素之 间的相 互关 系， 而解释 问题领 域 的各种行 为 ， 助指挥 决策。提 出使 用 Ｃ ａ ｅ ｏ 从 辅 ｈｍ ｌ ｎ算法对 战场 目标 或 ｅ 群进行 划分 ， 相对互连性 Ｒ 和相对近似性 Ｒ 根据 Ｉ Ｃ所袁征 的相似度把 它们 形成更 高层 次的群 。 关键词 ： 数据 融合 ； 态势估计 ； 分群 ；ｈｍ ｌｏ Ｃ ａ ｅ ｎ算法 ｅ 中图分 类号 ： Ｐ ８ 文 献标识 码 ： Ｔ １２ Ａ Ｍ ｅｈｏ ｆｃｕｓｅ ｉ ｂｏ ｉｕａ ｉ ｎ ａ ｓ ｓｍ ｅ ｔ ｔ ｄ ｏ ｌ ｔ ｒｎｇ ａ ｕｔｓｔ ｔｏ ｓ ｅ ｓ ｎ
ＨＵＡＮＧ ｅ ， ＧＵＯ ｅ Ｌｉ Ｌｉ
（ ｏｌ ｅｆＡ ｔ ａｉｎ ｏｔｗｓ Ｐ ｌ ｅ ｎ ａ Ｕ ｉ ｒｔ ｉ ｎＳ ａ ｎｉ １０ ２ ｈｎ） Ｃ ｌｇ ｕ ｍ ｔ ，Ｎ ｒ ｅ ｏ ￣ｃ ｉ ｌ ｎｖ ｓｙ ＇ ｈ ａｘ ０ ７ ，Ｃ ｉ ｅ ｏ ｏ ｏ ｈ ｔ ？ ｈ ｃ ｅ ｉ，Ｘ ａ ７ ａ Ａ ｓｒｃ：Ｔ ｅｉ ｕ ｆ ｂｅｔ ｌ ｔ ｎ ｂｕ ｉ ａｉ ｓｅｓ ｅ ｔ ｎ ａ ｅｃ ｂ ｄｔａ ｏｊ ｔ ｌ ｔ ｎ ｎ ｆ ｂ ｔ ｔ ｈ ｓ ｅｏ ｊ ｕ ｅ ｇａ ｏｔ ｔ ｔ ｎａｓｓｍ ｎ ｄＷ ｄ ｓｒ ｅ ｈｔ ｂｅ ｕ ｅ ｇｉ ｏｅｏ ａ ｓ ｏ ｃｃ ｓｒ ｉ ｓｕ ｏ ａ ｓ ｉ ｃｃ ｓｒ ｓ ｉ ｉｐｒ ｔｕ ｃ ｏ ｈ ｈ ｓｕｔ ｎａｓｓｍ ｎ ｎｅ ｃ ｉ ｅＷ ｏ ｔ ｕ．Ｏ ｊ ｔｃ ｓ ｒ ｇｍ ｉｌ ｕｅ ｌｓ ｒａａ ｓ ｍ ｏｔ ｎｔ ｎｗ ｉ ｉ ａｉ ｅｓ ｅｔ ｅｄａｈｅ ａ ｐｉ ｅ ｏｔ ｂ ｃ ｌ ｔ ｉ ａ ｙ ｓｓｃ ｔ ｌ ｉ ｎ ａ ｆ ｉ ｃ ｔ ｏ ｓ ｖ ｓ ｎｄ ｅ ｕｅｎ ｎ ｕｅ ｎ ｙｓ ｂ ｅ ｎｔ ｆ ｍ ｔ ｎｆ ｍ ｌ ｅ ｌ ｅ ｄ ｔ ｆｓ ｎ ｈ ｕｐ ｔ ｆ ｂｅｔ ｌｓ ｒ ｇｉ ｈｌｆ ｅ ｒ ｉｅｔｅｒｌｉｎｈｐ ｓ ａ ｄｏ ｅｉ ｏ ａｉ ｏ ｗ ｒｅ ｌ ａ ｉ ．Ｔ ｅｏ ｔ ｊ ｕｔｉ ｅｐ ｌｔ ｄ ｔ ｎ ｈ ｅ ｔ ｓｉ ｈ ｎ ｒ ｏ ｒ ｏ ｖ ａｕ ｏ ｕｏｏ ｃｃ ｅｎ ｓ ｕ ｏ ｅ ｍ ａｏ
维普资讯
第 ２ 第 ５期 ６卷
２０ ０ ６年 ５月
文 章 编 号 ：０ １— ０ １ ２０ ） ５—１０ １０ ９ ８ （ ０ ６ Ｏ １９一Ｏ ２
一
计 算机应 用
Ｃｏ ｕ ｅ ｐｌ ａｉｎ ｍｐ ｔ ｒＡｐ ｉ ｔ ｓ ｃ ｏ
Ｖ ｌ２ ． ｏ ＿ ６ Ｎｏ ５
互合作的功能 ， 从而解 释 问题 领域 的各种行为 。战 场 目标分 美国联合领导实验室 ＪＬ Ｊ ｎ Ｄｒ ｔｎ ｏ Ｌｂｒｏｅ） 群 的形成过程是 以数据驱 动的前 向推理过 程 ， Ｄ （ ｉ ｉ ｃｏｓ ｆ ａｏ ｔ ｓ ｏ ｔ ｅｉ ａｒ ｉ 即将 规则应用 数据融合小组 （ Ｆ ） Ｄ Ｓ 建立数 据融合 处理 模型 ， 把数 据融合 分 于有效数据以产生一个 可推理 的假设结 构。因此 ， 于一定 基 为四层 ： 第一层处理包 括数据 和 图像 的配准 、 关联 、 跟踪 和识 的规则是 目标分群的主要特征。分群的基本思想是对有用的 别； 第二层 处理包括态 势提取 、 态势 分析 和态 势预测 ， 统称 为 数据进行 分组 ， 以便后续评估确定态势元素之间的相互关 系， 态势估计 ； 第三层处理是敌兵力威胁估计 ； 第四层处理是优化 并能够据据此从各个层 次解 释战场态势的行 为特性 。目标或 融 和处理。态势估 计接受低层 融合 的结果 ， 中提 取对 当前 从 群之问的空间距离是用 于分 群的重要的一个属用领域中 ， 态势 到高可以分为 ： 空间群是按 照位置 关系对 空间上的 目标进行 估计至今没有统一 的定义 ，Ｄ Ｊ Ｌ数 据融合 处理模 型对态 势估 集合划分 ； 功能群是执行类 似功能 的在 战术 上相关 的平 台组 计的描述 为 ： 作为二级数据融合 ， 态势估计是建立关 于作战活 集合 ： 我／ 敌／ 中立 方群则根据平 台组 的敌我 友属性分群 。群 动、 事件 、 时间、 位置 和兵力要 素组成 的一张视图 ， 将所观测到 的战斗力量分 布与活动 和战场周 围环境 、 敌作 战意 图及 敌机 的形成过程就是 目标分群或聚类 问题 的求解过程。战场 目标 本 动性有机地联 系起来 ， 分析并 确定事件发生 的原 因 ， 得到关于 分群 主要基于聚类分析 法 ， 文就 是利用一 种通 用聚类算法 Ｃ ａ ｅ ｏ 来 实现战场 目标 分群。 ｈｍ ｌ ｎ ｅ 敌方兵力结构 ， 使用特 点 的估 计 ， 终形成 战场综合 态势 图。 最 态势觉察 中需要利用提取的态势特征元素把平台按照空问和 ２ Ｃ ａ ｅ ｏ 法描述 ｈｍ ｌ ｎ算 ｅ 功能进行分群从而帮助指挥员做 出正确的决策。在不同的战 场态势 中的战场 目标具有不 同的组 织和空 问结构 ， 结构 中不 数据 Ｋ 最 邻近 图 一 最 终结果 同的组成部分起着不同的作用 。形成这 一结构 的过 程称为 目 标分群 ， 是态势估计要完 成的 主要 任务 之一。分群 中使 用 的 传统聚类 方法对于各 战场 目标相互 问的关 系挖 掘的不一定深 人 ， 以， 所 本文分析 了态 势估计 的 目标分 群问题 ， 出将 基于 提 动态模型的 Ｃ ａ ｅｅｎ聚类算法引人 到 目标分群来 实现 目标 ｈｍ ｌ ｏ 图 １ Ｃ ａ ｅｅｎ 基于 Ｋ 最邻 近图和动态建模的层 次聚类 ｈｍ ｌ ： ｏ 一 向空间群 的聚类 ， 在此基础 上 ， 按照最近邻原则和一定的规则 Ｃａｅｏ ｈｍ ｌ ｎ是一个在层次聚类 中采用 动态模 型的通用 聚 ｅ 逐级形成 目标编群的体系结构。 类算法 。Ｃａ ｅ ｏ 算法是一个二阶段算法 ： ｈｍ ｌ ｎ ｅ 第一阶段用图划
ａ ｎ ｉ ａｉｎ ｅｅ ｎ ｓ ｔｕ ｎｅ ｐ ｅ ｉｇ ｔｅ ａ ｔ ｎ ｌ ｔｄ ｔ ｒ ｂｅ ｆ ｌ ｄ ｓ ｐ ｏ ｔ ｇ ｃ ｍｍａ ｄ ｄ ｃ ｓ ｎ ． Ｃ ａ ｌｏ ｍｏ ｇ ｓｔ ｔ ｌｍｅ ｔ ｈ ｓｉ ｔｒ ｒ ｔ ｈ ｃ ｉ ｓ ｒ ａｅ ｐ ｏ ｌｍ ｅｄ ａ ｕ ｐ ｒ ｎ ｏ ｕ ｏ ｎ ｏ ｅ ｏ ｉ ｎ ｉ ｎ ｅ ｉ ｏ ｓ ｈ ｍｅｅ ｎ ｉ ａｇ ｒ ｈ ｅ ｅ ｕ ｅ ｏ ｃ ｕ ｔｒ ｇ ｂ ｅ ｎ ｔｅ Ｒ ｄ ＲＣ ｌｏ ｔ ｍｓ ｗ ｒ ｓ ｄ ｔ ｌ ｓｅｉ ａ ｄ ｏ ｉ Ｉ ａ ． ｉ ｎ ｓ ｌ ｎ Ｋｅ ｒ ｓ ａａ ｆｓｏ ； ｉ ａｉ ｎ ａ ｓ ｓ ｍｅ ｔ ｃｕ ｔｒ ｇ Ｃ ａ ｅ ｅ ｎ ａｇ ｒ ｈ ｙ ｗｏ ｄ ：ｄ ｔ ｕ ｉｎ ｓｔ ｔ ｅ ｓ ｎ ； ｌｓｅ ｎ ； ｈ ｕ ｏ ｓ ｉ ｍ ｌｏ ｌｏ ｔ ｍｓ ｉ
种 面 向 态 势 估 计 中分 群 问题 的 聚 类 方 法
黄 雷 ， 郭 雷
（ 西北工业大学 自动化学院， 陕西 西安 ７０７ ） １０ ２
（ ａｒ＠ｍ ｉ ｎ ｐ ．ｄ ．ｎ ｈｒ ｙ ａ ． ｗ ｕ ｅｕ ｃ ） ｌ
摘 要 ： 目标分群技术 问题 进行 了描 述 ， 或聚 类 问题是 态势估计 需要 实现 的 一个重要 功能 ， 对 分群 主要根据底层融合的结果应用聚类分析法实现战场 目 标分群。目 标分群的结果有助于确定态势元素之 间的相 互关 系， 而解释 问题领 域 的各种行 为 ， 助指挥 决策。提 出使 用 Ｃ ａ ｅ ｏ 从 辅 ｈｍ ｌ ｎ算法对 战场 目标 或 ｅ 群进行 划分 ， 相对互连性 Ｒ 和相对近似性 Ｒ 根据 Ｉ Ｃ所袁征 的相似度把 它们 形成更 高层 次的群 。 关键词 ： 数据 融合 ； 态势估计 ； 分群 ；ｈｍ ｌｏ Ｃ ａ ｅ ｎ算法 ｅ 中图分 类号 ： Ｐ ８ 文 献标识 码 ： Ｔ １２ Ａ Ｍ ｅｈｏ ｆｃｕｓｅ ｉ ｂｏ ｉｕａ ｉ ｎ ａ ｓ ｓｍ ｅ ｔ ｔ ｄ ｏ ｌ ｔ ｒｎｇ ａ ｕｔｓｔ ｔｏ ｓ ｅ ｓ ｎ
ＨＵＡＮＧ ｅ ， ＧＵＯ ｅ Ｌｉ Ｌｉ
（ ｏｌ ｅｆＡ ｔ ａｉｎ ｏｔｗｓ Ｐ ｌ ｅ ｎ ａ Ｕ ｉ ｒｔ ｉ ｎＳ ａ ｎｉ １０ ２ ｈｎ） Ｃ ｌｇ ｕ ｍ ｔ ，Ｎ ｒ ｅ ｏ ￣ｃ ｉ ｌ ｎｖ ｓｙ ＇ ｈ ａｘ ０ ７ ，Ｃ ｉ ｅ ｏ ｏ ｏ ｈ ｔ ？ ｈ ｃ ｅ ｉ，Ｘ ａ ７ ａ Ａ ｓｒｃ：Ｔ ｅｉ ｕ ｆ ｂｅｔ ｌ ｔ ｎ ｂｕ ｉ ａｉ ｓｅｓ ｅ ｔ ｎ ａ ｅｃ ｂ ｄｔａ ｏｊ ｔ ｌ ｔ ｎ ｎ ｆ ｂ ｔ ｔ ｈ ｓ ｅｏ ｊ ｕ ｅ ｇａ ｏｔ ｔ ｔ ｎａｓｓｍ ｎ ｄＷ ｄ ｓｒ ｅ ｈｔ ｂｅ ｕ ｅ ｇｉ ｏｅｏ ａ ｓ ｏ ｃｃ ｓｒ ｉ ｓｕ ｏ ａ ｓ ｉ ｃｃ ｓｒ ｓ ｉ ｉｐｒ ｔｕ ｃ ｏ ｈ ｈ ｓｕｔ ｎａｓｓｍ ｎ ｎｅ ｃ ｉ ｅＷ ｏ ｔ ｕ．Ｏ ｊ ｔｃ ｓ ｒ ｇｍ ｉｌ ｕｅ ｌｓ ｒａａ ｓ ｍ ｏｔ ｎｔ ｎｗ ｉ ｉ ａｉ ｅｓ ｅｔ ｅｄａｈｅ ａ ｐｉ ｅ ｏｔ ｂ ｃ ｌ ｔ ｉ ａ ｙ ｓｓｃ ｔ ｌ ｉ ｎ ａ ｆ ｉ ｃ ｔ ｏ ｓ ｖ ｓ ｎｄ ｅ ｕｅｎ ｎ ｕｅ ｎ ｙｓ ｂ ｅ ｎｔ ｆ ｍ ｔ ｎｆ ｍ ｌ ｅ ｌ ｅ ｄ ｔ ｆｓ ｎ ｈ ｕｐ ｔ ｆ ｂｅｔ ｌｓ ｒ ｇｉ ｈｌｆ ｅ ｒ ｉｅｔｅｒｌｉｎｈｐ ｓ ａ ｄｏ ｅｉ ｏ ａｉ ｏ ｗ ｒｅ ｌ ａ ｉ ．Ｔ ｅｏ ｔ ｊ ｕｔｉ ｅｐ ｌｔ ｄ ｔ ｎ ｈ ｅ ｔ ｓｉ ｈ ｎ ｒ ｏ ｒ ｏ ｖ ａｕ ｏ ｕｏｏ ｃｃ ｅｎ ｓ ｕ ｏ ｅ ｍ ａｏ
维普资讯
第 ２ 第 ５期 ６卷
２０ ０ ６年 ５月
文 章 编 号 ：０ １— ０ １ ２０ ） ５—１０ １０ ９ ８ （ ０ ６ Ｏ １９一Ｏ ２
一
计 算机应 用
Ｃｏ ｕ ｅ ｐｌ ａｉｎ ｍｐ ｔ ｒＡｐ ｉ ｔ ｓ ｃ ｏ
Ｖ ｌ２ ． ｏ ＿ ６ Ｎｏ ５
互合作的功能 ， 从而解 释 问题 领域 的各种行为 。战 场 目标分 美国联合领导实验室 ＪＬ Ｊ ｎ Ｄｒ ｔｎ ｏ Ｌｂｒｏｅ） 群 的形成过程是 以数据驱 动的前 向推理过 程 ， Ｄ （ ｉ ｉ ｃｏｓ ｆ ａｏ ｔ ｓ ｏ ｔ ｅｉ ａｒ ｉ 即将 规则应用 数据融合小组 （ Ｆ ） Ｄ Ｓ 建立数 据融合 处理 模型 ， 把数 据融合 分 于有效数据以产生一个 可推理 的假设结 构。因此 ， 于一定 基 为四层 ： 第一层处理包 括数据 和 图像 的配准 、 关联 、 跟踪 和识 的规则是 目标分群的主要特征。分群的基本思想是对有用的 别； 第二层 处理包括态 势提取 、 态势 分析 和态 势预测 ， 统称 为 数据进行 分组 ， 以便后续评估确定态势元素之间的相互关 系， 态势估计 ； 第三层处理是敌兵力威胁估计 ； 第四层处理是优化 并能够据据此从各个层 次解 释战场态势的行 为特性 。目标或 融 和处理。态势估 计接受低层 融合 的结果 ， 中提 取对 当前 从 群之问的空间距离是用 于分 群的重要的一个属用领域中 ， 态势 到高可以分为 ： 空间群是按 照位置 关系对 空间上的 目标进行 估计至今没有统一 的定义 ，Ｄ Ｊ Ｌ数 据融合 处理模 型对态 势估 集合划分 ； 功能群是执行类 似功能 的在 战术 上相关 的平 台组 计的描述 为 ： 作为二级数据融合 ， 态势估计是建立关 于作战活 集合 ： 我／ 敌／ 中立 方群则根据平 台组 的敌我 友属性分群 。群 动、 事件 、 时间、 位置 和兵力要 素组成 的一张视图 ， 将所观测到 的战斗力量分 布与活动 和战场周 围环境 、 敌作 战意 图及 敌机 的形成过程就是 目标分群或聚类 问题 的求解过程。战场 目标 本 动性有机地联 系起来 ， 分析并 确定事件发生 的原 因 ， 得到关于 分群 主要基于聚类分析 法 ， 文就 是利用一 种通 用聚类算法 Ｃ ａ ｅ ｏ 来 实现战场 目标 分群。 ｈｍ ｌ ｎ ｅ 敌方兵力结构 ， 使用特 点 的估 计 ， 终形成 战场综合 态势 图。 最 态势觉察 中需要利用提取的态势特征元素把平台按照空问和 ２ Ｃ ａ ｅ ｏ 法描述 ｈｍ ｌ ｎ算 ｅ 功能进行分群从而帮助指挥员做 出正确的决策。在不同的战 场态势 中的战场 目标具有不 同的组 织和空 问结构 ， 结构 中不 数据 Ｋ 最 邻近 图 一 最 终结果 同的组成部分起着不同的作用 。形成这 一结构 的过 程称为 目 标分群 ， 是态势估计要完 成的 主要 任务 之一。分群 中使 用 的 传统聚类 方法对于各 战场 目标相互 问的关 系挖 掘的不一定深 人 ， 以， 所 本文分析 了态 势估计 的 目标分 群问题 ， 出将 基于 提 动态模型的 Ｃ ａ ｅｅｎ聚类算法引人 到 目标分群来 实现 目标 ｈｍ ｌ ｏ 图 １ Ｃ ａ ｅｅｎ 基于 Ｋ 最邻 近图和动态建模的层 次聚类 ｈｍ ｌ ： ｏ 一 向空间群 的聚类 ， 在此基础 上 ， 按照最近邻原则和一定的规则 Ｃａｅｏ ｈｍ ｌ ｎ是一个在层次聚类 中采用 动态模 型的通用 聚 ｅ 逐级形成 目标编群的体系结构。 类算法 。Ｃａ ｅ ｏ 算法是一个二阶段算法 ： ｈｍ ｌ ｎ ｅ 第一阶段用图划
ａ ｎ ｉ ａｉｎ ｅｅ ｎ ｓ ｔｕ ｎｅ ｐ ｅ ｉｇ ｔｅ ａ ｔ ｎ ｌ ｔｄ ｔ ｒ ｂｅ ｆ ｌ ｄ ｓ ｐ ｏ ｔ ｇ ｃ ｍｍａ ｄ ｄ ｃ ｓ ｎ ． Ｃ ａ ｌｏ ｍｏ ｇ ｓｔ ｔ ｌｍｅ ｔ ｈ ｓｉ ｔｒ ｒ ｔ ｈ ｃ ｉ ｓ ｒ ａｅ ｐ ｏ ｌｍ ｅｄ ａ ｕ ｐ ｒ ｎ ｏ ｕ ｏ ｎ ｏ ｅ ｏ ｉ ｎ ｉ ｎ ｅ ｉ ｏ ｓ ｈ ｍｅｅ ｎ ｉ ａｇ ｒ ｈ ｅ ｅ ｕ ｅ ｏ ｃ ｕ ｔｒ ｇ ｂ ｅ ｎ ｔｅ Ｒ ｄ ＲＣ ｌｏ ｔ ｍｓ ｗ ｒ ｓ ｄ ｔ ｌ ｓｅｉ ａ ｄ ｏ ｉ Ｉ ａ ． ｉ ｎ ｓ ｌ ｎ Ｋｅ ｒ ｓ ａａ ｆｓｏ ； ｉ ａｉ ｎ ａ ｓ ｓ ｍｅ ｔ ｃｕ ｔｒ ｇ Ｃ ａ ｅ ｅ ｎ ａｇ ｒ ｈ ｙ ｗｏ ｄ ：ｄ ｔ ｕ ｉｎ ｓｔ ｔ ｅ ｓ ｎ ； ｌｓｅ ｎ ； ｈ ｕ ｏ ｓ ｉ ｍ ｌｏ ｌｏ ｔ ｍｓ ｉ