密度聚类融合小子样统计的观瞄系统状态评估

发布时间：2022-12-10 04:55

　　为解决武器观瞄系统受多种不确定因素的影响难以测得大量数据,文中提出一种新的状态评估方法。使用局部聚类算法对已采集到的数据进行聚类,得到各个等级聚类中心及其分类,再通过小子样统计方法将小样本转换成大样本,解决了试验样本随机性和样本不足性对评估模型的影响。实例分析表明,经该方法建立的模型得到的结论与基于先验知识的判断一致,验证了所提方法的有效性。 

【文章页数】：3 页

【文章目录】：
0 引言
1 半监督局部密度聚类算法
    1.1 局部密度聚类算法基本思想
    1.2 半监督聚类概述
    1.3 初始聚类中心计算方法
2 Bootstrap小子样统计方法
3 实例分析
    3.1
    3.2 样本状态评估
4 结语


【参考文献】：
期刊论文
[1]基于局部密度聚类算法的变压器故障状态评估[J]. 罗伟明,吴帆,黄业广,吴杰康,覃炜梅,龚杰,金尚婷.  广东电力. 2018(08)
[2]基于成对约束的主动半监督聚类算法[J]. 李轶然,张春娜.  计算机工程与设计. 2013(08)

硕士论文
[1]局部密度聚类算法研究[D]. 叶宣佐.浙江工业大学 2017
[2]基于偶对约束的半监督模糊聚类算法研究[D]. 周宇飞.河北大学 2014
[3]攻击型无人机小子样攻击精度评估方法研究[D]. 汶小妮.西北工业大学 2005



本文编号：3716102