基于流形聚類的多分量信號參數(shù)估計及分類方法研究.pdf

1、隨著機器學(xué)習(xí)的不斷發(fā)展，機器學(xué)習(xí)在不同領(lǐng)域的應(yīng)用越來越廣泛，包括人臉識別、身份識別、個性化推薦以及搜索網(wǎng)頁排序等。機器學(xué)習(xí)也可以應(yīng)用到輻射源信號的處理與識別中，雷達輻射源信號識別技術(shù)主要包括多分量信號的分選分離以及參數(shù)估計，以及對輻射源信號進行分類識別，確定輻射源信號類型，劃分威脅程度。本文重點研究了機器學(xué)習(xí)中的流形聚類技術(shù)，并且將流形聚類技術(shù)應(yīng)用到多分量信號分選以及參數(shù)估計中，以滿足我國的電子對抗等領(lǐng)域的需求。
　　首先給出了一

2、種新的線性流形聚類算法，該算法針對具有交疊處的線性流形聚類問題，根據(jù)流形數(shù)據(jù)特有的幾何性質(zhì)，通過尋找各類線性流形分布數(shù)據(jù)之間的交疊處，得到交疊點集，通過對交疊點集和每一個樣本點進行處理，得到可以等價表示每一個樣本點所處線性流形結(jié)構(gòu)的特征向量，然后再對每一個樣本點的特征向量進行譜聚類，得到聚類結(jié)果。最后將該算法應(yīng)用到多分量信號分離以及參數(shù)估計中。
　　然后針對具有交疊處的非線性流形聚類，給出了一種針對多分量信號參數(shù)估計中的算法，算法

3、建立在已知各個單分量信號的調(diào)制方式的前提下，通過尋找各類非線性流形分布數(shù)據(jù)之間的交疊處，得到交疊點集，然后將每一個樣本點和交疊點集進行擬合，由于已知單分量信號的調(diào)制方式，可以得到每一個樣本點的調(diào)試方式參數(shù)估計，并將參數(shù)組作為特征向量進行聚類，得到分選結(jié)果。然后針對譜曲率聚類算法存在的不穩(wěn)定問題，設(shè)計改進初始采樣的譜曲率聚類算法，初始采樣時，盡量選取同處于同一線性流形分布的樣本點作為初始采樣點，避免算法陷入局部最優(yōu)解，提高算法的穩(wěn)定性。<