偏联系数聚类和随机森林算法在雷达信号分选中的应用
为了提高雷达调制信号在电子对抗环境中的分选准确度，建立了基于偏联系数模糊聚类(PCFCM)算法和教与学随机森林(TLRF)算法的雷达调制信号分选(PCFCM-TLRF)模型。该模型引入偏联系数(PCN)改进K均值聚类(K-means)算法，优化模糊C均值聚类(FCM)算法，用优化后的FCM算法对信号样本集进行预处理；使用“教与学”优化(TLBO)算法优化随机森林(RF)算法，使优化后的RF算法能够以更低的复杂度构成更优的分类器；将预处理后的样本作为TLRF中的训练样本实现信号分选。研究结果表明，与其他分选模型相比，PCFCM-TLRF模型具有更高的分选准确度，能够有效地实现雷达调制信号的分选。
文件下载
评论信息
其他资源
- onnx2tree.py
- Weblogic全版本反序列化漏洞利用工具.jar
- 基于51单片机数字电压表的设计.zip
- 计算机操作系统期末复习题(答案最全)
- [BUPT]计算机系统基础课程全部实验+ PPT 整合包 （计算机学院 - 大二上）.zip
- C++实现的FTP服务器
- 常用卫星参数一览表（实用）
- envi_standard格式转为tiff格式
- RadStudioKeygen_绿色版专用（10.2.3）
- FOPID 分数阶控制 Simulink
- C#通过经纬度进行定位（百度地图）
- 统计的力量——线段树全接触_张昆玮.pptx
- 2019华为软件精英挑战赛C++ 源码实现
- IPV6网路-基础、安全、过渡与部署 pdf
- 人工智能：计算代理的基础Artificial Intelligence: Foundations of Computational Agents
- qt4.8_mysql数据库驱动
- 服务器宝塔忘记登录地址
- c语言课程设计职工管理系统.zip
- 伺服系统设计指导.pdf
- c++实现中缀变后缀表达式
- 遗传退火算法法MATLAB程序设计
- 蓄电池快速充电的原理与实践
- 基于Apriori算法的频繁项集Hadoop mapreduce
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明