این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
دریا فنون، جلد ۴، شماره ۴، صفحات ۱-۱۳
عنوان فارسی خوشه‌بندی به روش نزدیک‌ترین همسایه با اولویت انتخاب خوشه‌های متراکم تر در آنالیز ماتریس تشابه جهت تفکیک پالس‌های راداری
چکیده فارسی مقاله دسته‌بندی و میانبرداری پالس‌های راداری، از کاربردهای خوشه بندی است. از مشکلات اساسی در بیشتر روش‌ها، انتخاب مناسب مراکز اولیه جهت خوشه‌بندی است. در الگوریتم پیشنهادی، ابتدا ماتریس تشابه برای داده‌های ورودی بر اساس شعاع همسایگی تعریف‌شده، تولید می‌گردد. سپس با آنالیز کدهای ماتریس تشابه و انتخاب سطرهای با بیشترین کد تشابه، دسته‌های متراکم‌تر به ترتیب جدا می‌شوند. در این روش با توجه به جریان زیاد داده‌های راداری، بدون نیاز به تکرار پردازش، رشته پالس‌ها به‌صورت بهینه جدا می‌شوند. الگوریتم حاصل نسبت به توابع موجود خوشه‌بندی، داده را بر اساس شعاع همسایگی تعریف‌شده به تعداد خوشه‌های از پیش تعیین نشده با اولویت انتخاب دسته‌های متراکم و با دقت در اختصاص داده‌های واقع در مرز مشترک خوشه‌ها تفکیک می‌نماید. به طور خاص، مزیت استفاده از این الگوریتم در تفکیک پالس راداری، انتخاب نقاط متراکم به‌عنوان مراکز خوشه‌ها است. روش پیشنهادی می‌تواند برای تفکیک داده‌ها در زمینه‌های مختلف نیز به کار رود. از محاسن این روش نسبت به الگوریتم‌های مبتنی بر روش k-mean، دقت در انتخاب اولیه مراکز خوشه‌ها است. نتایج خوشه‌بندی روش پیشنهادی برای نمونه داده‌های راداری شامل 200 پالس با نتایج روش خوشه‌بندی حول رهبر که یکی از الگوریتم‌های مطرح در زمینه خوشه‌بندی پالس‌های راداری است، مقایسه شده است. بررسی شاخص‌های ارزیابی و اعتبارسنجی خوشه‌بندی مانند Dunn، Silhouette و RMSSD، بهینه بودن الگوریتم پیشنهادی را نشان می‌دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Nearest neighbor method with priority selection of denser clusters by analysis of similarity matrix for radar pulse clustering
چکیده انگلیسی مقاله Clustering is used in radar pulse classification and de-interleaving. Proper selection of initial centers for clusters is the fundamental problem in clustering methods. In the proposed algorithm, the similarity matrix for the input data based on defined neighborhood radius is created. Then, with analysis of similarity matrix and selection of lines with the most similar code, denser clusters are separated respectively. In this way, regarding to the high stream radar pulse, without requirement to iteration, pulse strings are separated as optimal. This algorithm has capability of priority selection of dense categories in clustering. On the basis of neighborhood radius defined, data on the common border clusters, have been carefully separated. In particular, the advantage of using this algorithm is selection of dense clusters center in radar pulse clustering. The proposed method can also be used to cluster the data in various fields. . Results of proposed method for data sample consisted of 200 radar pulse is compared with the results of clustering around the leader which is one of the main clustering algorithms in the field of radar pulses. Evaluation and measure of clustering validity such as Dunn, Silhouette and RMSSD indexes, shows efficiency of the proposed algorithm.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد جواد قلندری |
مدرس دانشگاه علوم دریایی امام خمینی (ره) نوشهر

مجید آقابابایی |
استادیار دانشگاه علوم دریایی امام خمینی (ره) نوشهر

احسان مرادی |
دانشجوی دکتری الکترونیک دانشگاه تهران

نشانی اینترنتی
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات