基于聚类和AdaBoost的ADS⁃B数据质量综合评估方法

为更好地发挥ADS-B数据应用价值,针对ADS-B数据质量评估过程中传统方法无法客观准确得到质量等级的问题,在分析行业应用、发射设备性能、数据安全等方面对ADS-B数据质量需求的基础上,构建了ADS-B数据质量评估指标体系,提出了基于集成学习自适应提升算法(AdaBoost)的新型数据质量评估方法。该方法通过K-means聚类确定最佳质量等级类别,结合熵权法和双基点法(TOPSIS)打分确定数据标签,并采用AdaBoost算法对评估模型进行了训练和优化。以天津机场数据为例,实验得出ADS-B数据质量的最佳等级划分为5级,得到的数据质量评估模型准确率高达98.5%,验证了该方法可以有效避免主观因素对评估结果的影响,并得到最优的质量等级划分,能够提高评估结果的稳定性和精确度。