一种基于数据挖掘的智能化多目标综合识别方法技术

本发明专利技术公开了一种基于数据挖掘的智能化多目标综合识别方法，包括如下步骤：步骤一、情报信息获取；步骤二、目标特征知识与目标关联知识挖掘；步骤三、基于目标特征知识的智能化识别；步骤四、判断目标是否为相近时间、相近地点出现的目标，若是，则进入步骤五，否则，进入步骤六；步骤五、基于目标关联知识的智能化识别；步骤六、目标识别结果反馈。本发明专利技术的积极效果是：将数据挖掘技术应用到目标识别领域，为目标识别提供了自动化、智能化手段；能够进行目标识别知识库的自动构建；提出基于目标特征知识识别和基于目标关联知识识别两种目标识别思路，能在很大程度上提高多目标综合识别准确率。

【技术实现步骤摘要】

本专利技术涉及。
技术介绍
无论是在军用还是民用领域，目标识别技术都具有很广泛的应用背景，因此，对于 该技术，已积累了一大批卓有意义的理论与技术成果。目前已有的目标识别技术，大多是基 于目标运动特性、多普勒特性、以及SAR图像等进行目标的分类和识别。而现有的目标识别 技术在目标特征选择、目标特征知识库的构建及目标综合识别等方面与实际应用都还存在 差距。 首先，在特征选择方面，一般来说，识别特征越多，信息量越大，识别性能越好，但 实际上由于存在冗余信息，多特征识别的性能未必好。而目前，缺乏一种有效的目标特征选 择方法，能够准确地反映各种复杂目标的特性。 其次，目标特征库建立得是否准确、合理，直接关系到各种识别处理算法的效果。 而目前目标特征库主要通过人工进行建立、更新和维护，缺乏一种自动化和智能化手段。 最后，对于目标识别算法，目前大多采用句法分类、神经网络和模糊逻辑等有监督 分类方法，存在工作量大、人为主观因素较强的问题。 此外，当有多个目标以及多种针对同一目标的情报信息时，缺乏对目标进行综合 判别的有效手段。 由此可见，目前的目标识别方法还存在诸多问题，亟需提出一种解决上述各问题 的方案。
技术实现思路
为了克服现有技术的上述缺点，本专利技术提供了一种基于数据挖掘的智能化多目标 综合识别方法，有效解决了多目标的综合识别问题，具体如下： 1)当针对同一目标有多种类型的情报信息时，如何进行目标特征的合理选择，能 够准确地反映各种复杂目标的特性，从而能够有效支撑目标的分类和识别； 2)如何进行目标识别知识的自动化、智能化获取，其中，包含了如何将多种类型的 情报信息进行预处理和关联，使其能够便于进行目标识别知识的自动化、智能化获取； 3)当有多个目标的情报信息时，如何将这多个目标进行关联识别。 本专利技术解决其技术问题所采用的技术方案是：一种基于数据挖掘的智能化多目标 综合识别方法，包括如下步骤： 步骤一、情报信息获取：获取各种目标情报信息D1, D2，…，Dn，并将情报信息存放 到历史目标情报数据库中； 步骤二、目标特征知识与目标关联知识挖掘：从历史目标情报数据库中挖掘产生 目标特征知识和目标关联知识，并存入到目标识别知识库中； 步骤三、基于目标特征知识的智能化识别：从目标识别知识库获取目标特征知识， 对实时目标情报信息D1，D2，…，Dn?行智能化识别，得到目标识别结果； 步骤四、判断目标D1,D2，…，Dg否为相近时间、相近地点出现的目标，若是，则进 入步骤五，否则，进入步骤六； 步骤五、基于目标关联知识的智能化识别：从目标识别知识库获取目标关联知识， 结合基于目标特征知识的识别结果，对目标情报信息D 1, D2，…，Dn?行基于目标关联知识 的智能化识别，得到目标识别结果； 步骤六、目标识别结果反馈：根据外界系统的目标识别需求，将目标识别结果反馈 给外界系统。 与现有技术相比，本专利技术的积极效果是：相比于同类方案，本专利技术创新性地将数据 挖掘技术应用到目标识别领域，为目标识别提供了自动化、智能化手段；提出基于属性重要 性的分类挖掘算法和基于时间序列的关联规则挖掘算法，能够进行目标识别知识库的自动 构建；提出基于目标特征知识识别和基于目标关联知识识别两种目标识别思路，能在很大 程度上提高多目标综合识别准确率。具体优点如下： 1)本专利技术提出的目标识别技术适用于各种类型目标（空中目标、海上目标、水下 目标等）的识别，无论是在军用还是民用领域，都具有较广阔的应用价值； 2)本专利技术采用数据挖掘技术自动构建目标识别知识库（包含目标特征知识和目 标关联知识），为目标识别知识的获取提供了自动化、智能化手段，减少了人工干预过程； 3)本专利技术提出的目标智能化识别方法，能够有效提高各种类型目标识别准确率， 特别是针对有多种目标且针对同一目标有多种情报类型的情况下，能够有效进行目标的综 合识别。【附图说明】 本专利技术将通过例子并参照附图的方式说明，其中： 图1为本专利技术方法的流程图； 图2为本专利技术的目标特征知识挖掘方法的流程图； 图3为发现频繁项目集过程示意图。【具体实施方式】 ，如图1所示，包括如下步骤： 步骤一、情报信息获取：获取各种目标情报信息D1, D2，…，Dn，并将情报信息存放 到历史目标情报数据库中； 步骤二、目标特征知识与目标关联知识挖掘：从历史目标情报数据库中挖掘产生 目标识别知识（包括目标特征知识和目标关联知识），并存入目标识别知识库中。其中： (一）目标特征知识的挖掘方法如图2所示，包括如下流程： (1)目标情报关联：将多种类型的目标情报信息关联起来，形成综合情报数据集； (2)目标属性选择：选择进行分类的目标情报属性集合，具体方法为：从所有属性 中去掉某一属性，若去掉该属性后分类模型发生变化，说明该属性的重要性高，则保留该属 性；若去掉该属性后分类模型未发生变化，则说明该属性的重要性低，则去掉该属性； (3)分类挖掘：通过基于属性重要性的分类挖掘算法获取分类模型； (4)模型评估：通过已进行准确分类的目标情报测试数据集对分类模型进行评 估，如果达到预期效果，则输出模型，否则，返回到步骤（2)。 通过目标特征知识挖掘，获取到目标各属性特征与目标类型之间的关系模型。 目标特征知识挖掘通过挖掘目标情报的特征参数（比如目标运动速度、加速度、 高度/深度、发现距离、目标雷达类型、以及辐射源参数等），从而获取到目标各属性特征与 目标类型之间的关系模型。具体举例如下： 假设有两种类型情报数据集LD和DK，以及已进行准确分类的目标综合情报测试 数据集CS，采用基于属性重要性的目标特征知识挖掘方法进行目标特征知识提取的过程如 下： 1)根据目标类型属性字段，将LD和DK进行关联，形成综合情报数据集ZH ; 2)对于ZH，选择所有属性组成的属性集合W= {目标运动速度、加速度、高度/深 度、发现距离、雷达类型，…}进行分类挖掘，得到分类模型M1; 3)从W中去掉"目标运动速度"属性，重新进行分类挖掘，得到挖掘模型M2; 4)判断M2是否与M i相同，如果相同，则从W中去掉"目标运动速度"属性，否则，保 留此属性； 5)对W中的所有属性均采用步骤4)的方法进行判断，从而形成最终的属性集合 r ; 6)利用W'进行分类挖掘，获得最终的分类模型M ; 7)利用CS对分类模型M进行评估，如果达到预期效果，比如分类准确率为98%， 则输出模型M，否则，返回到步骤2)。 (二）目标关联知识挖掘方法的具体流程如下： (1)确定在相近时间点出现的目标：给定时间点相差度域值A1，若某两个目标的 发现时间相差度U 1，则将这两个目标归为同一事务TiQ = 1，2, ···，!!)，否则，新增一个事 务Ti+1，以此类推，形成事务集合T ; (2)确定在相近地点出现的目标：给定距离相差度域值λ 2，对于T中的每一个事 务Ti，计算出任意两个目标之间的距离D，当D〈 λ 2时，将这两个目标归为同一事务T υ (j = 1，2, ···，!!!)，否则，则新增一个事务Tu+1，以此类推，最终形成事务集合Τ' ； (3)关联规则挖掘：通过采用基于时间序列的关联规则挖掘算法，从目标情报信 息事务库Τ'中，提取多个目标在同一时间段、同一区域本文档来自技高网...

【技术保护点】
一种基于数据挖掘的智能化多目标综合识别方法，其特征在于：包括如下步骤：步骤一、情报信息获取：获取各种目标情报信息D1，D2，…，Dn，并将情报信息存放到历史目标情报数据库中；步骤二、目标特征知识与目标关联知识挖掘：从历史目标情报数据库中挖掘产生目标特征知识和目标关联知识，并存入到目标识别知识库中；步骤三、基于目标特征知识的智能化识别：从目标识别知识库获取目标特征知识，对实时目标情报信息D1，D2，…，Dn进行智能化识别，得到目标识别结果；步骤四、判断目标D1，D2，…，Dn是否为相近时间、相近地点出现的目标，若是，则进入步骤五，否则，进入步骤六；步骤五、基于目标关联知识的智能化识别：从目标识别知识库获取目标关联知识，结合基于目标特征知识的识别结果，对目标情报信息D1，D2，…，Dn进行基于目标关联知识的智能化识别，得到目标识别结果；步骤六、目标识别结果反馈：根据外界系统的目标识别需求，将目标识别结果反馈给外界系统。

【技术特征摘要】

【专利技术属性】
技术研发人员：李小花，李姝，金鹏，余双波，
申请(专利权)人：中国电子科技集团公司第三十研究所，
类型：发明
国别省市：四川;51