ارائه روشی برای کلاس بندی اهداف دریایی سوناری با استفاده از الگوریتم های چند کلاسه ماشین بردار پشتیبان

نویسندگان

1 کارشناسی ارشد-دانشگاه امام حسین(ع)

2 دانشگاه امام حسین(ع)، دکتری برق

چکیده

استفاده از سونار به دلیل بهره‌گیری از سیگنال‌های صوتی، روشی مناسب برای شناسایی و ردگیری اهداف زیر آبی است. از سوی دیگر کلاس‌بندی دقیق و صحیح اهداف برای تصمیم‌گیری درست امری ضروری است. روشی که در این مقاله برای کلاس‌بندی اهداف دریایی ارائه شده است، استفاده از الگوریتم‌های چند کلاسه ماشین بردار پشتیبان برای تفکیک اهداف می‌باشد. در اینجا اهداف مورد نظر عبارت‌اند از: غواص، ماهی، اژدر و زیردریایی که برای کلاس‌بندی آن‌ها از ویژگی‌های قدرت هدف و سرعت هدف استفاده‌شده است. در این مقاله برای نخستین بار و بر اساس این دو ویژگی و با استفاده از الگوریتم‌های چند کلاسه‌ی یکی در برابر یکی ، یکی در برابر همه و گراف غیر ‌چرخشی ‌جهت‌دار اهداف مورد نظر از یکدیگر تفکیک‌شده و نتایج حاصل به کمک نرم‌افزار متلب شبیه‌سازی شده‌اند. در انتها عملکرد الگوریتم-های یادشده بر اساس دو معیار دقت و زمان انجام کلاس‌بندی مورد ارزیابی قرارگرفته‌اند.888 8888 88 888 888

کلیدواژه‌ها


عنوان مقاله [English]

ارائه روشی برای کلاس بندی اهداف دریایی سوناری با استفاده از الگوریتم های چند کلاسه ماشین بردار پشتیبان

نویسندگان [English]

  • علی شعبانی 1
  • سید محمد علوی 2
چکیده [English]

استفاده از سونار به دلیل بهره‌گیری از سیگنال‌های صوتی، روشی مناسب برای شناسایی و ردگیری اهداف زیر آبی است. از سوی دیگر کلاس‌بندی دقیق و صحیح اهداف برای تصمیم‌گیری درست امری ضروری است. روشی که در این مقاله برای کلاس‌بندی اهداف دریایی ارائه شده است، استفاده از الگوریتم‌های چند کلاسه ماشین بردار پشتیبان برای تفکیک اهداف می‌باشد. در اینجا اهداف مورد نظر عبارت‌اند از: غواص، ماهی، اژدر و زیردریایی که برای کلاس‌بندی آن‌ها از ویژگی‌های قدرت هدف و سرعت هدف استفاده‌شده است. در این مقاله برای نخستین بار و بر اساس این دو ویژگی و با استفاده از الگوریتم‌های چند کلاسه‌ی یکی در برابر یکی ، یکی در برابر همه و گراف غیر ‌چرخشی ‌جهت‌دار اهداف مورد نظر از یکدیگر تفکیک‌شده و نتایج حاصل به کمک نرم‌افزار متلب شبیه‌سازی شده‌اند. در انتها عملکرد الگوریتم-های یادشده بر اساس دو معیار دقت و زمان انجام کلاس‌بندی مورد ارزیابی قرارگرفته‌اند.888 8888 88 888 888

کلیدواژه‌ها [English]

  • Direct Acyclic Graph Method
  • Targets Classification
  • One Vs. All Method
  • One Vs. One Method
  • Support vector machine (SVM)