دسته‌بندی اهداف سوناری با استفاده از روش OMKC

با توجه به خصوصیات فیزیکی پیچیده‌ی اهداف سوناری، طبقه‌بندی و تمیز دادن اهداف واقعی از اهداف کاذب یکی از زمینه‌های دشوار و پیچیده برای محققان و صنعتگران این حوزه است. با توجه به این ویژگی‌های اهداف سوناری، روش‌های هوشمند در دسته‌بندی این نوع دادگان دارای توانایی‌های منحصر به فردی می‌باشند. از این‌رو در سال‌های اخیر استفاده از شبکه‌های عصبی و ماشین بردار پشتیبانی در این زمینه کاربرد فراوانی داشته است. با توجه به اینکه دادگان سوناری دارای ابعاد بالایی در فضای ورودی می‌باشند، نمی‌توان آن‌ها را به‌صورت خطی از یکدیگر تفکیک نمود. بدین منظور، این مقاله برای طبقه‌بندی اهداف سوناری از روشی به نام OMKC استفاده می‌نماید. نتایج حاصله نشان می‌دهد که این روش دقت دسته‌بندی معادل با 763/98% را ارائه می‌کند که نسبت به روش‌های کلاسیک با حداکثر دقت 05/97، بهتر می‌باشد، ولی زمان اجرای الگوریتم 1014/0 ثانیه افزایش پیدا می‌کند که برای جبران این نقص، از انتخاب و ترکیب هسته‌ها به‌صورت تصادفی استفاده می‌شود.