روشی جدید برای بهبود کلاس بندی اهداف هوایی راداری توسط کرنل های مختلف ماشین بردار پشتیبان

Authors

سید محمد علوی

alavi مرتضی حاجی محمدی

m. hajimohammadi محمدهادی رضایتی

m. h. rezayati

abstract

امروزه مبحث کلاس بندی اهداف هوایی اهمیت روزافزونی یافته است و روش های مختلفی برای رسیدن به این هدف مورد استفاده قرار می-گیرد. ماشین بردار پشتیبان از جمله جدیدترین روش های مورد استفاده در این حوزه می باشد. در این مقاله برای کلاس بندی سه هدف جنگنده، هواپیمای مسافربری و هلی کوپتر از سه روش کلاس بندی چند کلاسه ماشین بردار پشتیبان شامل روش یکی در برابر یکی، یکی در برابر همه و گراف غیرچرخشی جهت دار پیشنهاد شده است و به دلیل اینکه کلاس ها به طور خطی به خوبی قابل تفکیک نبودند، از ایده توابع کرنل مثل چند جمله ای، خطی، مرتبه دوم و تابع پایه شعاعی استفاده شده است. با توجه به نتایج به دست آمده از شبیه سازی سه روش مذکور، روش گراف غیرچرخشی جهت دار با توابع کرنل مختلف دارای بهترین عملکرد است. همچنین روش یکی در برابر همه با کرنل rbf و مجذوری بهتر از روش یکی در برابر یکی با توابع کرنل مختلف عمل می کند. در این مقاله سرعت اجرای سه روش نیز مورد بررسی قرار گرفته است و نتایج به دست آمده نشان می دهد که سه روش دارای سرعت اجرای یکسانی می باشند. بنابراین به منظور کلاس بندی اهداف فوق، روش گراف غیرچرخشی جهت دار که دارای دقت بهتری می باشد، پیشنهاد شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

روشی جدید برای بهبود کلاس‌بندی اهداف هوایی راداری توسط کرنل‌های مختلف ماشین بردار پشتیبان

امروزه مبحث کلاس‌بندی اهداف هوایی اهمیت روزافزونی یافته است و روش‌های مختلفی برای رسیدن به این هدف مورد استفاده قرار می-گیرد. ماشین بردار پشتیبان از جمله جدیدترین روش‌های مورد استفاده در این حوزه می‌باشد. در این مقاله برای کلاس‌بندی سه هدف جنگنده، هواپیمای مسافربری و هلی‌کوپتر از سه روش کلاس‌بندی چند کلاسه ماشین بردار پشتیبان شامل روش یکی در برابر یکی، یکی در برابر همه و گراف غیرچرخشی جهت‌دار پ...

full text

روشی جدید برای عضویت‌دهی به داده‌ها و شناسایی نوفه و داده‌های پرت با استفاده از ماشین بردار پشتیبان فازی

Support Vector Machine (SVM) is one of the important classification techniques, has been recently attracted by many of the researchers. However, there are some limitations for this approach. Determining the hyperplane that distinguishes classes with the maximum margin and calculating the position of each point (train data) in SVM linear classifier can be interpreted as computing a data membersh...

full text

ارائه‌ی روشی پویا برای پیش‌بینی مکانی-زمانی آلودگی هوای شهر تهران بر مبنای ماشین بردار پشتیبان

با توجه به آثار سوء آلودگی هوا بر سلامت انسان‌ها و محیط، پیش‌بینی و مدلسازی این پدیده از جمله مسائل مهم در چند دهه‌ی گذشته بوده است. دینامیک غیر‌خطی و حجم بالای داده‌های آلودگی هوا، مشکلات پیش‌بینی این پدیده‌ی پیچیده را، بویژه در پردازش‌های پویا، دوچندان کرده است. هدف این پژوهش، ارائه‌ی الگوریتمی برخط است که بتواند با حل مشکلات روش‌های پیشین در پیش‌بینی برخط آلودگی هوا، سری زمانی آلودگی هوای شه...

full text

کلاس بندی ترافیک شبکه با استفاده ازالگوریتم ماشین بردار پشتیبان

امروزه کاربردهای بسیار متفاوت و متنوعی از طریق اینترنت ارائه می شوند که هر کدام نیازهای ترافیکی منحصر بفردی دارند. به عنوان مثال کاربردهای چند رسانه ای نیاز به تضمین کیفیت سرویس دارند، در حالیکه کاربرهایی که از پروتکل های tcp استفاده می کنند با استفاده از مکانیزم های شناسایی و پیشگیری از ازدحام، کمترین میزان منابع به آن ها اختصاص می یابد. بنابراین لزوم مدیریت و شناسایی کاربردهای موجود در شبکه ا...

ارزیابی عملکرد توابع کرنل در تخمین جریان رودخانه‌ها با استفاده از ماشین بردار پشتیبان

سابقه و هدف: پیش‌بینی دقیق رواناب رودخانه‌ها نقش مهمی در مدیریت بهینه منابع آب در دسترس دارد. در سال‌های اخیر، ماشین بردار پشتیبان (SVM) که یکی از مهمترین مدل‌های داده‌کاوی است برای این منظور مورد توجه قرار گرفته است. این مدل یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه‌سازی مقید است که از اصل استقرای کمینه‌سازی خطای ساختاری استفاده کرده و منجر به یک جواب بهینه کلی می‌گردد. همانند مدل‌های داده‌...

full text

بهبود روش طبقه بندی ماشین بردار پشتیبان در سیستم های اطلاعات مکانی فراگستر جهت پایش بیماران آسمی

بیماری آسم یکی از مشکلات عمده در سلامت عمومی انسانها است که زندگی میلیونها نفر در سراسر جهان را تحت تاثیر قرار داده است. نظر به اینکه این بیماری تحت تاثیر عوامل محیطی متفاوتی می­باشد و روشی برای درمان قطعی مبتلایان وجود ندارد؛ شناسایی مناطق خطر تشدید آسم فرد بیمار و اعلام هشدارهای لازم در زمان مناسب گام موثری در مدیریت و پایش این بیماری به حساب می­آید. یکی از جدیدترین و کاربرپسندترین بسترهای مح...

full text

My Resources

Save resource for easier access later


Journal title:
علوم و فناوری های پدافند نوین

جلد ۵، شماره ۱، صفحات ۱-۸

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023