一种基于层次划分聚类的雷达信号分选算法

近年来,聚类分析在雷达信号分选领域中得到了大量的关注。大部分算法聚类数需要事先人为设定,为了解决这一问题,将基于层次划分的聚类算法应用到雷达信号分选当中。该算法通过数据各个维度的差与对应阈值的比较进行分类,并提出一种基于"点对"的平均距离的评价指标来确定最佳聚类,无需人为设定聚类数,可实现自动聚类。仿真实验表明,此算法对参数固定和参数变化的雷达都具有良好的分选能力,分选准确率较高。

基于非参数检验的划分——凝聚层次聚类变点识别法

变点识别是统计过程控制第一阶段的主要任务,通过对大量历史数据进行分析,识别出运行状态发生变化的准确时间点,则有利于分析运行状态变化的原因,从而改善生产等各种过程的表现。针对时间顺序数据,本文提出将划分层次聚类法与凝聚层次聚类法相结合的变点识别方法,并在凝聚层次聚类中采用非参数检验法。通过仿真对方法性能进行分析和比较,结果显示本方法具有良好的变点识别性能。