一種基于數(shù)據(jù)挖掘的智能化多目標(biāo)綜合識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于數(shù)據(jù)挖掘的智能化多目標(biāo)綜合識(shí)別方法。
【背景技術(shù)】
[0002] 無(wú)論是在軍用還是民用領(lǐng)域，目標(biāo)識(shí)別技術(shù)都具有很廣泛的應(yīng)用背景，因此，對(duì)于 該技術(shù)，已積累了一大批卓有意義的理論與技術(shù)成果。目前已有的目標(biāo)識(shí)別技術(shù)，大多是基 于目標(biāo)運(yùn)動(dòng)特性、多普勒特性、以及SAR圖像等進(jìn)行目標(biāo)的分類和識(shí)別。而現(xiàn)有的目標(biāo)識(shí)別 技術(shù)在目標(biāo)特征選擇、目標(biāo)特征知識(shí)庫(kù)的構(gòu)建及目標(biāo)綜合識(shí)別等方面與實(shí)際應(yīng)用都還存在 差距。
[0003] 首先，在特征選擇方面，一般來(lái)說(shuō)，識(shí)別特征越多，信息量越大，識(shí)別性能越好，但 實(shí)際上由于存在冗余信息，多特征識(shí)別的性能未必好。而目前，缺乏一種有效的目標(biāo)特征選 擇方法，能夠準(zhǔn)確地反映各種復(fù)雜目標(biāo)的特性。
[0004] 其次，目標(biāo)特征庫(kù)建立得是否準(zhǔn)確、合理，直接關(guān)系到各種識(shí)別處理算法的效果。 而目前目標(biāo)特征庫(kù)主要通過(guò)人工進(jìn)行建立、更新和維護(hù)，缺乏一種自動(dòng)化和智能化手段。
[0005] 最后，對(duì)于目標(biāo)識(shí)別算法，目前大多采用句法分類、神經(jīng)網(wǎng)絡(luò)和模糊邏輯等有監(jiān)督 分類方法，存在工作量大、人為主觀因素較強(qiáng)的問(wèn)題。
[0006] 此外，當(dāng)有多個(gè)目標(biāo)以及多種針對(duì)同一目標(biāo)的情報(bào)信息時(shí)，缺乏對(duì)目標(biāo)進(jìn)行綜合 判別的有效手段。
[0007] 由此可見(jiàn)，目前的目標(biāo)識(shí)別方法還存在諸多問(wèn)題，亟需提出一種解決上述各問(wèn)題 的方案。

【發(fā)明內(nèi)容】

[0008] 為了克服現(xiàn)有技術(shù)的上述缺點(diǎn)，本發(fā)明提供了一種基于數(shù)據(jù)挖掘的智能化多目標(biāo) 綜合識(shí)別方法，有效解決了多目標(biāo)的綜合識(shí)別問(wèn)題，具體如下：
[0009] 1)當(dāng)針對(duì)同一目標(biāo)有多種類型的情報(bào)信息時(shí)，如何進(jìn)行目標(biāo)特征的合理選擇，能 夠準(zhǔn)確地反映各種復(fù)雜目標(biāo)的特性，從而能夠有效支撐目標(biāo)的分類和識(shí)別；
[0010] 2)如何進(jìn)行目標(biāo)識(shí)別知識(shí)的自動(dòng)化、智能化獲取，其中，包含了如何將多種類型的 情報(bào)信息進(jìn)行預(yù)處理和關(guān)聯(lián)，使其能夠便于進(jìn)行目標(biāo)識(shí)別知識(shí)的自動(dòng)化、智能化獲?。?br>[0011] 3)當(dāng)有多個(gè)目標(biāo)的情報(bào)信息時(shí)，如何將這多個(gè)目標(biāo)進(jìn)行關(guān)聯(lián)識(shí)別。
[0012] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：一種基于數(shù)據(jù)挖掘的智能化多目標(biāo) 綜合識(shí)別方法，包括如下步驟：
[0013] 步驟一、情報(bào)信息獲?。韩@取各種目標(biāo)情報(bào)信息D1, D2，…，Dn，并將情報(bào)信息存放 到歷史目標(biāo)情報(bào)數(shù)據(jù)庫(kù)中；
[0014] 步驟二、目標(biāo)特征知識(shí)與目標(biāo)關(guān)聯(lián)知識(shí)挖掘：從歷史目標(biāo)情報(bào)數(shù)據(jù)庫(kù)中挖掘產(chǎn)生 目標(biāo)特征知識(shí)和目標(biāo)關(guān)聯(lián)知識(shí)，并存入到目標(biāo)識(shí)別知識(shí)庫(kù)中；
[0015] 步驟三、基于目標(biāo)特征知識(shí)的智能化識(shí)別：從目標(biāo)識(shí)別知識(shí)庫(kù)獲取目標(biāo)特征知識(shí)， 對(duì)實(shí)時(shí)目標(biāo)情報(bào)信息D1，D2，…，Dn?行智能化識(shí)別，得到目標(biāo)識(shí)別結(jié)果；
[0016] 步驟四、判斷目標(biāo)D1,D2，…，Dg否為相近時(shí)間、相近地點(diǎn)出現(xiàn)的目標(biāo)，若是，則進(jìn) 入步驟五，否則，進(jìn)入步驟六；
[0017] 步驟五、基于目標(biāo)關(guān)聯(lián)知識(shí)的智能化識(shí)別：從目標(biāo)識(shí)別知識(shí)庫(kù)獲取目標(biāo)關(guān)聯(lián)知識(shí)， 結(jié)合基于目標(biāo)特征知識(shí)的識(shí)別結(jié)果，對(duì)目標(biāo)情報(bào)信息D 1, D2，…，Dn?行基于目標(biāo)關(guān)聯(lián)知識(shí) 的智能化識(shí)別，得到目標(biāo)識(shí)別結(jié)果；
[0018] 步驟六、目標(biāo)識(shí)別結(jié)果反饋：根據(jù)外界系統(tǒng)的目標(biāo)識(shí)別需求，將目標(biāo)識(shí)別結(jié)果反饋 給外界系統(tǒng)。
[0019] 與現(xiàn)有技術(shù)相比，本發(fā)明的積極效果是：相比于同類方案，本發(fā)明創(chuàng)新性地將數(shù)據(jù) 挖掘技術(shù)應(yīng)用到目標(biāo)識(shí)別領(lǐng)域，為目標(biāo)識(shí)別提供了自動(dòng)化、智能化手段；提出基于屬性重要 性的分類挖掘算法和基于時(shí)間序列的關(guān)聯(lián)規(guī)則挖掘算法，能夠進(jìn)行目標(biāo)識(shí)別知識(shí)庫(kù)的自動(dòng) 構(gòu)建；提出基于目標(biāo)特征知識(shí)識(shí)別和基于目標(biāo)關(guān)聯(lián)知識(shí)識(shí)別兩種目標(biāo)識(shí)別思路，能在很大 程度上提高多目標(biāo)綜合識(shí)別準(zhǔn)確率。具體優(yōu)點(diǎn)如下：
[0020] 1)本發(fā)明提出的目標(biāo)識(shí)別技術(shù)適用于各種類型目標(biāo)（空中目標(biāo)、海上目標(biāo)、水下 目標(biāo)等）的識(shí)別，無(wú)論是在軍用還是民用領(lǐng)域，都具有較廣闊的應(yīng)用價(jià)值；
[0021] 2)本發(fā)明采用數(shù)據(jù)挖掘技術(shù)自動(dòng)構(gòu)建目標(biāo)識(shí)別知識(shí)庫(kù)（包含目標(biāo)特征知識(shí)和目 標(biāo)關(guān)聯(lián)知識(shí)），為目標(biāo)識(shí)別知識(shí)的獲取提供了自動(dòng)化、智能化手段，減少了人工干預(yù)過(guò)程；
[0022] 3)本發(fā)明提出的目標(biāo)智能化識(shí)別方法，能夠有效提高各種類型目標(biāo)識(shí)別準(zhǔn)確率， 特別是針對(duì)有多種目標(biāo)且針對(duì)同一目標(biāo)有多種情報(bào)類型的情況下，能夠有效進(jìn)行目標(biāo)的綜 合識(shí)別。
【附圖說(shuō)明】
[0023] 本發(fā)明將通過(guò)例子并參照附圖的方式說(shuō)明，其中：
[0024] 圖1為本發(fā)明方法的流程圖；
[0025] 圖2為本發(fā)明的目標(biāo)特征知識(shí)挖掘方法的流程圖；
[0026] 圖3為發(fā)現(xiàn)頻繁項(xiàng)目集過(guò)程示意圖。
【具體實(shí)施方式】
[0027] 一種基于數(shù)據(jù)挖掘的智能化多目標(biāo)綜合識(shí)別方法，如圖1所示，包括如下步驟：
[0028] 步驟一、情報(bào)信息獲?。韩@取各種目標(biāo)情報(bào)信息D1, D2，…，Dn，并將情報(bào)信息存放 到歷史目標(biāo)情報(bào)數(shù)據(jù)庫(kù)中；
[0029] 步驟二、目標(biāo)特征知識(shí)與目標(biāo)關(guān)聯(lián)知識(shí)挖掘：從歷史目標(biāo)情報(bào)數(shù)據(jù)庫(kù)中挖掘產(chǎn)生 目標(biāo)識(shí)別知識(shí)（包括目標(biāo)特征知識(shí)和目標(biāo)關(guān)聯(lián)知識(shí)），并存入目標(biāo)識(shí)別知識(shí)庫(kù)中。其中：
[0030] (一）目標(biāo)特征知識(shí)的挖掘方法如圖2所示，包括如下流程：
[0031] (1)目標(biāo)情報(bào)關(guān)聯(lián)：將多種類型的目標(biāo)情報(bào)信息關(guān)聯(lián)起來(lái)，形成綜合情報(bào)數(shù)據(jù)集；
[0032] (2)目標(biāo)屬性選擇：選擇進(jìn)行分類的目標(biāo)情報(bào)屬性集合，具體方法為：從所有屬性 中去掉某一屬性，若去掉該屬性后分類模型發(fā)生變化，說(shuō)明該屬性的重要性高，則保留該屬 性；若去掉該屬性后分類模型未發(fā)生變化，則說(shuō)明該屬性的重要性低，則去掉該屬性；
[0033] (3)分類挖掘：通過(guò)基于屬性重要性的分類挖掘算法獲取分類模型；
[0034] (4)模型評(píng)估：通過(guò)已進(jìn)行準(zhǔn)確分類的目標(biāo)情報(bào)測(cè)試數(shù)據(jù)集對(duì)分類模型進(jìn)行評(píng) 估，如果達(dá)到預(yù)期效果，則輸出模型，否則，返回到步驟（2)。
[0035] 通過(guò)目標(biāo)特征知識(shí)挖掘，獲取到目標(biāo)各屬性特征與目標(biāo)類型之間的關(guān)系模型。
[0036] 目標(biāo)特征知識(shí)挖掘通過(guò)挖掘目標(biāo)情報(bào)的特征參數(shù)（比如目標(biāo)運(yùn)動(dòng)速度、加速度、 高度/深度、發(fā)現(xiàn)距離、目標(biāo)雷達(dá)類型、以及輻射源參數(shù)等），從而獲取到目標(biāo)各屬性特征與 目標(biāo)類型之間的關(guān)系模型。具體舉例如下：
[0037] 假設(shè)有兩種類型情報(bào)數(shù)據(jù)集LD和DK，以及已進(jìn)行準(zhǔn)確分類的目標(biāo)綜合情報(bào)測(cè)試 數(shù)據(jù)集CS，采用基于屬性重要性的目標(biāo)特征知識(shí)挖掘方法進(jìn)行目標(biāo)特征知識(shí)提取的過(guò)程如 下：
[0038] 1)根據(jù)目標(biāo)類型屬性字段，將LD和DK進(jìn)行關(guān)聯(lián)，形成綜合情報(bào)數(shù)據(jù)集ZH ;
[0039] 2)對(duì)于ZH，選擇所有屬性組成的屬性集合W= {目標(biāo)運(yùn)動(dòng)速度、加速度、高度/深 度、發(fā)現(xiàn)距離、雷達(dá)類型，…}進(jìn)行分類挖掘，得到分類模型M1;
[0040] 3)從W中去掉"目標(biāo)運(yùn)動(dòng)速度"屬性，重新進(jìn)行分類挖掘，得到挖掘模型M2;
[0041] 4)判斷M2是否與M i相同，如果相同，則從W中去掉"目標(biāo)運(yùn)動(dòng)速度"屬性，否則，保 留此屬性；
[0042] 5)對(duì)W中的所有屬性均采用步驟4)的方法進(jìn)行判斷，從而形成最終的屬性集合 r ;
[0043] 6)利用W'進(jìn)行分類挖掘，獲得最終的分類模型M ;
[0044] 7)利用CS對(duì)分類模型M進(jìn)行評(píng)估，如果達(dá)到預(yù)期效果，比如分類準(zhǔn)確率為98%， 則輸出模型M，否則，返回到步驟2)。
[0045] (二）目標(biāo)關(guān)聯(lián)知識(shí)挖掘方法的具體流程如下：
[0046] (1)確定在相近時(shí)間點(diǎn)出現(xiàn)的目標(biāo)：給定時(shí)間點(diǎn)相差度域值A(chǔ)1，若某兩個(gè)目標(biāo)的 發(fā)現(xiàn)時(shí)間相差度U 1，則將這兩個(gè)目標(biāo)歸為同一事務(wù)TiQ = 1，2, ···，!!)，否則，新增一個(gè)事 務(wù)Ti+1，以此類推，形成事務(wù)集合T ;
[0047] (2)確定在相近地點(diǎn)出現(xiàn)的目標(biāo)：給定距離相差度域值λ 2，對(duì)于T中的每一個(gè)事 務(wù)Ti，計(jì)算出任意兩個(gè)目標(biāo)之間的距離D，當(dāng)D〈 λ 2時(shí)，將這兩個(gè)目標(biāo)歸為同一事務(wù)T υ (j = 1，2, ···，!!!)，否則，則新增一個(gè)事務(wù)Tu+1，以此類推，最終形成事務(wù)集合Τ' ；
[0048] (3)關(guān)聯(lián)規(guī)則挖掘：通過(guò)采用基于時(shí)間序列的關(guān)聯(lián)規(guī)則挖掘算法，從目標(biāo)情報(bào)信 息事務(wù)庫(kù)Τ'中，提取多個(gè)目標(biāo)在同一時(shí)間段、同一區(qū)域出現(xiàn)的關(guān)聯(lián)規(guī)則。
[0049] 目標(biāo)關(guān)聯(lián)知識(shí)挖掘，即依據(jù)歷史目標(biāo)情報(bào)信息中與目標(biāo)類型及類型組合相關(guān)屬 性，如目標(biāo)所在的地點(diǎn)（如經(jīng)度、維度）、發(fā)現(xiàn)時(shí)間等，采用基于時(shí)間序列的關(guān)聯(lián)規(guī)則挖掘算 法挖掘情報(bào)信息中相近時(shí)間、相近地點(diǎn)多個(gè)目