مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

106
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

12
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پردازش داده های راداری با استفاده از ترکیب روش های تجزیه وتحلیل مؤلفه اصلی و شبکه های عصبی خودسازمانده و رقمی ساز بردار یادگیر

صفحات

 صفحه شروع 1 | صفحه پایان 7

چکیده

 در سیستم های مخابراتی نظامی تکنیک های پیشرفته ای برای شنود و پردازش سیگنال های بلادرنگ بکار می رود که برای تصمیم گیری های مربوط به عملیات جنگ الکترونیک و سایر عملیات تاکتیکی حیاتی اند. امروزه ضرورت سیستم های هوشمند با تکنیک های پردازش سیگنال مدرن, به خوبی احساس می شود. وظیفه اصلی چنین سیستم هایی شناخت رادارهای موجود در محیط عملیاتی و طبقه بندی آن ها بر اساس آموخته های قبلی سیستم و انجام عملیات لازمه با سرعت بالا و بلادرنگ است بخصوص در مواردی که سیگنال دریافت شده مربوط به یک تهدید آنی مانند موشک است و باید سیستم های جنگ الکترونیک در کوتاه ترین زمان ممکن پاسخ لازم را به عنوان هشداردهنده بدهند. هدف هایی که به دنبال آن هستیم استفاده از نتایج این تحقیق در کلاسه بندی اطلاعات استخراج شده توسط سیستم های شنود راداری است که این امر بعد از مراحل انتخاب سیگنال ورودی و انتخاب صحیح الگوریتم های دسته بندی, محقق می شود و دیگری افزایش سرعت با استفاده از روش رقمی ساز بردار یادگیر است در این مقاله با استفاده از ﺷﺒﮑﻪ های ﻋﺼﺒﯽ رقمی ساز بردار یادگیر و خود سازمانده ﯾﮏ روش ﮐﺎرا ﺑﺮای ﮐﻼسﺑﻨﺪی داده ها اراﺋﻪ نموده ایم. در اﯾﻦ روش اﺑﺘﺪا از اﻟﮕﻮرﯾﺘﻢ شبکه عصبی خود سازمانده ﺑﺮای ﯾﺎﻓﺘﻦ کدﻫﺎی موردنیاز اﺳﺘﻔﺎده کرده و ﺳﭙﺲ در ﻣﺮﺣﻠﻪ ﺑﻌﺪ از اﻟﮕﻮرﯾﺘﻢ رقمی ساز بردار یادگیر ﺑﺮای ﮐﻼسﺑﻨﺪی دادهﻫﺎ استفاده شده است. ﻫﻤﭽﻨﯿﻦ در اﯾﻦ ﻣﻘﺎﻟﻪ ﺑﻪ ﺑﺮرﺳﯽ ﺗﺄﺛﯿﺮ ﻣﻌﯿﺎر ﻓﺎﺻﻠﻪ ﺑﯿﻦ داده ها ﺧﻮاﻫﯿﻢ ﭘﺮداﺧﺖ. ﻧﺘﺎﯾﺞ ﺑﺪﺳﺖ آﻣﺪه از اﺟﺮای اﻟﮕﻮرﯾﺘﻢ ﭘﯿﺸﻨﻬﺎدی ﺑﺮ روی دیتاست های اﺳﺘﺎﻧﺪارد جهانی فرماندهی و کنترل و ﻣﻘﺎﯾﺴﻪ آن ﺑﺎ ﺑﺮﺧﯽ از روشﻫﺎی ﻣﺘﺪاول ﮐﻼسﺑﻨﺪی, پرداخته ایم که نشان می دهد ترکیب این اﻟﮕﻮرﯾﺘﻢ ها ﮐﺎراﯾﯽ بسیار بالایی داشته و مناسب ﺑﺮای ﻣﺴﺌﻠﻪ ﮐﻼسﺑﻨﺪی است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button