一种改进的数据场和决策图联合聚类算法

针对传统聚类算法在复杂多变的电磁环境中聚类质量低、参数需要预先人为设定、噪声孤立点难识别等问题,本文提出一种改进的数据场和决策图联合聚类算法。该算法主要是利用数据对象的势值和到最近大密度点的距离来实现自动确定聚类中心和聚类数目,并且能够有效地处理孤立的噪声点和快速地实现数据对象的聚类划分。文中设置12部雷达信号,包括常规雷达、参差雷达、抖动雷达、捷变频雷达等,其中设有脉宽、到达角、载频设置参数有相同或相近的雷达。经过仿真验证可以看出,改进的数据场和决策图联合聚类有更好的聚类效果。