【doc】应用迭代自组织数据分析技术模糊聚类法划分伪装效能等级
应用迭代自组织数据分析技术模糊聚类法
划分伪装效能等级
第26卷第5期
2005年9月
兵工
ACTAAR,IAMENTARII
Vo1.26No.5
Sep.2005
应用迭代自组织数据分析技术模糊聚类法
划分伪装效能等级
吕绪良,林伟,许卫东,潘玉龙,孙文艳
(解放军理工大学工程兵工程学院,江苏南京210007)
摘要:通过分析以往的等级划分的不足,提出以模糊聚类理论为基础的软划分方法,并以光学伪装
等级划分为例,运用迭代自组织数据分析技术(ISODATA)模糊聚类原理,建立了光学伪装等级划分模
型,成功实现了效能等级的划分,并最终确定了各等级指标量. 关键词:系统评估与可行性分析;伪装效能等级;伪装效能等级划分;ISODATA模糊聚类
中图分类号:C934文献
码:A文章编号:1000—1093(2005)05—0681—04 伪装效能等级是伪装效能
中的最终评价指
标,一切工程的效能都要划归到不同的等级来评价,
因此,对伪装等级的划分是一项重要的工作.同时,
伪装效能等级由不同伪装技术指标参数组成,用于
征伪装不同方面效果的优劣…,其中涉及的因素
较多,相互关系复杂,采用人为的方法难以客观地定
量计算和划分等级.因此它也是一项复杂的系统分
析性工作.
伪装效能分级反映了时代的工程技术水平,是 一
个随技术发展而不断调整的过程,以往的等级都 是在人为的基础上制定的,没有灵活,客观地根据实 际背景特征条件下伪装工程的效果来综合分析,提 取共同属性来划分等级,进而影响了划分等级的可 操作性.例如:应用模糊等价关系的聚类方法进行 伪装效能的聚类分析,必须人为地做出模糊相似度 矩阵,并最终依据此矩阵进行划分,缺少灵活性,同 时在聚类过程中,没有利用各指标内数据的潜在关 系,分类后不知道每一类别的聚类中心(即各技术指 标)信息,并且模糊等价关系的聚类方法最后是按 截关系组成的经典矩阵来划分的,这是一种硬划分. 而ISOD模糊聚类法可以充分利用人们已有分 类经验,且能知道聚类中心信息,是一种比较完善的 软化分.因此,运用ISODATA可以使这项工作变 得简单而又科学.
1理论分析
聚类分析是按一定的标准对事物进行分类的数 收稿日期:2004—12—10
学方法,聚类分析问题就是根据实际情况,按一个标 准来鉴别事物间的接近程度,并把彼此接近的事物 归为一类.同时由于客观事物之间存在模糊界限, 事物的分类,分级就伴随着模糊性,这样,就需要将 模糊数学中有关概念与方法引入聚类分析中,建立 模糊相似关系,进而将客观事物进行分类,分级.效 能分析中的各因素本身也同样存在模糊性,不可能 用精确的语言描述,因此用模糊数学语言来描述更
为客观.再者各因素间的关系无法人为地判断,只 能通过对实验数据的归纳分析,提取共同特征因素 对事物进行分类.
首先根据具体问题,确定好样本应分成几类, 从事先给出的初始分类出发,运用迭代的方法不断 修正聚类中心,直至精度达到标准为止,这里根据各 指标中数据的内在关系生成样本的隶属度值,从而 使这种聚类成为软聚类.
1.1问题模型
已知有个待分类样本的集合U={u】,【,2, U3,…,},每个样本U有S个特征:Uk={ …
,…,
},(k=1,…,),因此个待分类样
本的特征组成一个×S特征矩阵u.
要将其分为m类,即存在m个聚类中心:V= {V1,V2,V3,…,},各聚类中心的特征=
{1,…,口…,口?}(i=1,2,…,m),因此m个聚 类中心的特征组成一个×S特征矩阵. 在此基础上求各样本()隶属于各类(m)的隶
682兵工第26卷
属度A={A1,A2,A3,…,A},各样本属于第i类 的隶属度Af={am…,a…,a}(=1,2,…,S), 因此个样本的隶属于类的隶属度矩阵A= (a")是分类模糊矩阵,a?(0,1]表示样本属于i 类的隶属度,还必须满足?n巧=1,V(划分性),i=1 且?aij>0,v(非空性),即每一类不空[. .
1.2运算法则
为了取出最佳分类,需从样本【,上划分的全体 中挑选出最佳分类矩阵,最佳矩阵的标准是每一样 本与该类的聚类中心V的距离平方尽量小,聚类 中心是这一类所有样本的"核心",它综合地反 映了类指标的特性.
准则
(A,V)=??(n)II一(1)
其中ll一ll为样本"与第类中心的距离. b>1是权,越大分类越模糊,b=1是硬分类.聚类 准则就是求出A,v的泛数达到最小. 根据模糊C一均值理论:
1
聚类中心公式为
二lj
—
VkII
(2)
?口b醍"幻
=
}.(3)
?n厶一
1.3迭代过程
1)任选初始化分A.
2)根据聚类中心公式算出聚类中心V. 3)根据模糊C一均值理论算出a即形成新的 分类模糊矩阵A.
4)若max(Ia矗一a醍I)<(给定的精度范围), 则A为所求,v为迭代后的聚类中心[.
2实例模型
在伪装效能等级的划分中,以光学伪装为例,首 先通过采集相关数据,获得多类背景的可见光特征 数据,并建立背景可见光特征数据空间.研究获取 经反侦察伪装措施后目标设施的特征数据,考察其 同背景在不同特征上的差距,建立背景与目标的特 征对比空间,并将对此空间按照预划分等级数划分. 搜索合理的空间中心,作为划分标准,再根据聚类中 心确定划分后的空间等级.
2.1建立光学伪装指标集(")
根据光学伪装的条件和要求,在此设定指标集 主要包括伪装
中亮度对比"l(主要是目标亮度 与背景亮度的差别),表面特性"2(色调,饱和度,纹 理特征),反射特性"3(光谱反射率),几何特征" (规则程度),大气能见距离"5,目标暴露尺寸" 等因素[4].这里对备指标的定量主要是根据目标 与背景的对比效果,其中反射特性主要是目标与背 景的光谱反射差距,几何特征是指变形效果.表面 特性指标值主要是反映目标与背景在色调和饱和度 上的差距.表面特性和几何特征指标值可以针对伪 装网或迷彩的斑点性质在[0,1]划分几个差别等级, 1代表差别大,0代表无差别,取值越接近1表示背 景与目标在该指标的差别越大.
2.2定义A,v泛数
由于各指标在指标集中的重要性不同,因此在 定义距离公式上也有所不同,样本";与第i类中心 的距离公式定义为加权值的欧氏距离,即 厂———————————一
l1Uk—Vll_???("旬一),TJ=1
k:1,2,…,1"1;=1,2,…,.(4)
式中:特征指数s=6;权重系数根据指标集中各
指标对分类的重要性来定义,取值在(0,1),取值越
接近1表示该指标对伪装效果的好坏越重要.反之
越不重要.
2.3确定分类数()
按传统伪装工程评价要求,可以将光学伪装效
果分为3个等级.然后,预先根据经验分别设定每
一
样本在不同等级中的隶属度,并满足条件aij=
百'
1,且?口>0.见表1.
J=1
表1预先根据经验设定的隶属度
Tab.1Presettinguptableofmembershipdegree
等级————一
12345678910
10.60.30.30.20.20.80.70.30.60.2 20.20.20.40.20.4O.1O.2O.3O.2O.2 30.2O.5O.30.6O.4O.】0.】0.40.20.6
2.4建立标准样本集(【,)
通过测量试验搜集已有案例,并按照光学伪装
指标集将不同特征即指标量化.见表2.
,l??
??/
第5期应用迭代自组织数据分析技术模糊聚类法划分伪装效能等级 表2样本特征指标量化值
Tab.2Eachindexvalueofsamples
指标
2.5设定精度范围
精度范围要根据具体划分要求而设定,精度越 高运算的迭代次数越多,结果越趋于稳定.在本例 中精度系数取<0.0001能够满足分类的精度要 求.同时,由于权值b:1时为硬划分,b取值过大 时,又会使结果太模糊而失去分类意义,因此按一般 的权值取值情况,令本例中的权值b=2 3结果及分析结论
精度范围在0,0.0001间,经过6次迭代,得 到样本在不同等级中的最终隶属度值,见表3,各类 的聚类中心指标数据,见表4.
每次运算都是对特征的一次提取和对中心的一 次搜索,而每一次的提取和搜索又是对上几次结果 的修正,当前后两次的结果差距小于设定精度范围, 也就找到了聚类中心范围,因此设定精度越小,聚类 中心范围越小,聚类中心值也越趋于稳定,分类越精 确.从迭代次数上看,收敛越快,特征提取越迅速. 从表3中的隶属度值的分配情况上看,每一样本在 3个等级中的隶属度的最大最小差值都在0.6以 上,由此可知各样本在各等级中得到比较明确的划 分,同时也说明了各等级划分较清晰,聚类中心稳 定.从表4中可以看出,每一等级中各因素值的大 小排列是符合客观规律,例如亮度对比指标按等级 是从小到大排列的,符合伪装等级越高,目标与背景 的亮度差别越小的要求和规律,3个聚类中心的等 级指标的分布符合客观规律,反映了ISODATA模 糊聚类划分的客观准确性.
表3聚类后每一样本在不同等级中的隶属度 Tab.3Membershipdegreeofeachsampleindifferentclassafterthefuzzyclustering
等级
12345678910
表4聚类后的各聚类中心(等级)所对应的指标值 Tab.4Theindexvalueofeachclasscenterafter
clusteing(theindexvalueofeachclass)
4结论
从光学伪装等级划分的结果和分析中,由于在 样本的初始隶属度过程中加入了对以往伪装工程的
评价经验,使聚类过程更快速,结果更稳定.在定义泛数的过程中加入了指标权重,可以针对不同情况 和不同要求调整各因素的权重值,从而达到调整等 级划分不同侧重点的要求,使等级划分更加灵活,更 具有可操作性.因此以模糊数学为基础并针对伪装 等级划分的特殊要求进行适当修改的ISODATA聚 类法,为伪装等级划分提供了更有效的数学工具,解 决了以往等级划分的主观性强,灵活性差的问题,并 将主观经验和客观规律合理,有机地结合起来,使伪 装效能等级的划分更客观,更实用.
参考文献
[1]许卫东.热红外伪装分级的模糊聚类方法[J].工程兵工程学 一?m=三?"一眦
距一一一?um一叭
..
慧冀羔眦一,m一,
684兵工第26卷
院,1997,3:67—74.
.智能系统非经典数学方法【M].武汉:华中科技大学【4] 【2]朱剑英
出版社2001:141—145.
[3]肖位枢.模糊数学基础及应用[M].北京:航空工业出版社,
1992.
张德洋,吕绪良.基于模糊综合评判的伪装器材效能定量评估
模型[J].南京:解放军理工大学,2002,(5):67—70.
ApplyingtheFuzzyClusteringAnalysisofISODATAtothe
ClassificationofCamouflageEffectiveness
LUXu—liang,LINWei,XUWei—dong,PANYu—long,SUNWen—yan
(EngineeringInstituteofEngineeringCorps,PLAUniversityofScienceandTechnology,Nanjing,Jiangsu210007,China)
Abstract:Asoftdemarcationmethodbasedonthefuzzyclusteringtheorywasproposed,whichisbetterthan
theformerclassificationmethods.Asanexample,thefuzzyclusteringofISODATAwasusedtoclassifytheop—
ticalcamouflageeffectiveness.Themodelandthealgorithmoftheopticalcamouflageeffectivenessclassification
wereestablishedandanalyzed.Theeffectivenessclassificationwasachievedandtheindexvaluesforeachclass
werefinallydetermined.
Keywords:systematicestimationandfeasibilityanalysis;theclassofcamouflageeffectiveness;camouflageef—
fectivenessclassification;thefuzzyclusteringofiterativeself—
organizingdataanalysistechnique
?
简讯?
现代汽车开发技术国际学术交流会在渝召开
为振兴中国汽车工业,加快自主品牌开发,由重庆市(四川I省)兵工学会,重庆汽车
工程学会和长安汽车
集团科协联合举办的"现代汽车开发技术国际学术交流会"于6月9日在长安汽车
工程研究院举行.来自西
南地区汽车配套企业,部分兵工企业,高等院校,研究所等44个单位的150余名从事汽车研究开发科技工作
者参加了学术交流会.西南兵工局副总工程师洪耕,长安汽车研究院副院长兼总工程师邹军到会并讲话.
会议邀请了国内外汽车专家,学者及国际知名公司作学术
和新产品,新技术在汽车开发设计中的应
用介绍.原德国宝马公司,现任长安汽研院首席顾问董显铨博士,作了"现代汽车开发流程"的报告;长安公
司汽车工程研究院副院长詹樟松博士作"建立长安自主研发的CAE体系"的报告;国家汽车专家组专家,长
安汽车工程研究院副总工程师汪正胜作了"长安混合动力轿车产业化"的报告. 来自美国PTC公司,法国达索/迅利科技和上海法雷奥公司分别作了新产品,新技术在汽车开发设计中
的应用介绍.会议还组织代表们参观了新兴的长安工业园和长安汽车新建立的现代化生产线和长安福特汽
车公司.
(重庆市兵工学会)