陳子原　程遠(yuǎn)國

摘要：發(fā)現(xiàn)隱藏在大量偵察數(shù)據(jù)中的海戰(zhàn)場電子對抗偵察目標(biāo)電磁行為模式，對于明確敵作戰(zhàn)意圖，采取針對性措施有重要意義。本文給出了包含作戰(zhàn)平臺、作戰(zhàn)動作和信號制式等因素的電磁目標(biāo)行為模式形式化定義，并在此基礎(chǔ)上設(shè)計了一種基于k均值算法的電磁行為模式聚類算法，仿真結(jié)果表明所提出的算法能夠滿足電磁行為模式聚類分析要求。

關(guān)鍵詞：數(shù)據(jù)挖掘;聚類;K均值算法;電磁行為模式

中圖分類號：TP393 ? ? ?文獻標(biāo)識碼：A

文章編號：1009-3044（2019）13-0006-02

1引言

電磁行為模式是偵察到的敵電子對抗裝備的使用的一般規(guī)律。了解敵方電子對抗裝備的電磁行為，對于弄清其作戰(zhàn)意圖，采取針對性對抗措施有重要作用。目前，隨著各類海上目標(biāo)聯(lián)合情報偵察監(jiān)視系統(tǒng)的不斷完善，電子對抗偵察數(shù)據(jù)也日益增長和完善，需要采用數(shù)據(jù)挖掘、大數(shù)據(jù)分析等各種數(shù)據(jù)分析方法找出其中隱藏的包括電子對抗目標(biāo)電磁行為模式在內(nèi)的大量的有用模式，將系統(tǒng)的“數(shù)據(jù)優(yōu)勢”及時轉(zhuǎn)化成“信息優(yōu)勢”，提高電子對抗偵察效果。另一方面，隨著海戰(zhàn)場各種新體制雷達、電子對抗偵察與干擾、艦（機）隱身性能與雷達反偵察等各種技術(shù)的不斷進步，目標(biāo)電磁行為模式的復(fù)雜程度呈現(xiàn)爆炸式增長，對數(shù)據(jù)處理和分析也提出更高要求。

文獻[1] 梳理了電磁行為模式分析的相關(guān)概念、研究了電磁行為模式分析的內(nèi)在邏輯關(guān)系、電磁行為模式與作戰(zhàn)意圖等問題。向量空間中的向量聚類挖掘是一個經(jīng)典而又富有創(chuàng)造性的課題。具體到電子對抗偵察目標(biāo)電磁行為的聚類挖掘問題，由于目標(biāo)電磁行為的復(fù)雜多變、電磁行為模式多維參數(shù)空間結(jié)構(gòu)復(fù)雜等原因，準(zhǔn)確定義電磁行為模式比較困難，也增加了設(shè)計相關(guān)聚類算法的復(fù)雜性。目前未見有文獻定義電子對抗偵察目標(biāo)電磁行為模式并提出相應(yīng)聚類算法。

針對海戰(zhàn)場電磁行為模式聚類挖掘?qū)嶋H需求，由于聚類目標(biāo)型號的數(shù)量既不能預(yù)知、聚類目標(biāo)的空間結(jié)構(gòu)比較復(fù)雜等原因，電磁行為模式識別并不適合SVM等算法。相比之下[K]均值聚類算法具有簡單、易并行計算、實時性好等特點，本文以[K]均值聚類算法作為基礎(chǔ)研究目標(biāo)電磁行為模式的聚類挖掘計算。

仿真實驗結(jié)果顯示電磁行為可根據(jù)[S]，[U]，[V]大致分為兩類，其中實心點為類別1，空心點為類別2。由仿真圖可以得出K均值聚類結(jié)果比較準(zhǔn)確，基本滿足電磁行為聚類分析要求。

5結(jié)束語

論文從平臺屬性、信號屬性和動作三個方面定義了一種目標(biāo)電磁行為模式并提出了相應(yīng)的聚類算法。后續(xù)的研究可以結(jié)合實際，修改完善電磁行為模式。另外，由于K均值聚類算法易受異常點影響，改進的聚類算法可以考慮采用模糊C均值聚類、粗糙集聚類等優(yōu)化樣本聚類中心或者直接通過樣本特征分析結(jié)果的算法。

參考文獻：

[1] 袁鍵. 海戰(zhàn)場目標(biāo)電磁行為模式的分析與應(yīng)用[C].學(xué)術(shù)研討會論文集（武漢），2017（12）.

[2] 范明，孟小峰.數(shù)據(jù)挖掘：概念與技術(shù)[M].機械工業(yè)出版社，2017：156-159.

[3] 楊建兵，肖丹，郭霞.面向信息化戰(zhàn)爭的數(shù)據(jù)挖掘探究[J].網(wǎng)絡(luò)與信息工程，2015（03）：96-99.

[4] 郭繼光，黃勝.基于大數(shù)據(jù)的軍事情報分析與服務(wù)系統(tǒng)架構(gòu)研究[J].中國電子科學(xué)研究院學(xué)報，22017，12（4）： 389-393，413.

[5] Agrawal R， Imielinski T， Wwami A. Mining association rules between sets of items in large databases[J]. ACM sigmod record， 1993，22（2）：201-216.

[6] Ying Gao， Qi Zhang， Lijie Chen，etal. Research on application of FP tree based association rule mining on test sequence in train control system[C].Procccdings of the 36th Chinese Control Conference，2017：26-28：9993-9997.

[7] 劉毓，李莎.一種基于權(quán)重的Apriori改進算法[J].西安郵電大學(xué)學(xué)報，2017，22（4）： 95-100.

[8] 黃坤，吳玉佳.一種垂直結(jié)構(gòu)的高效用項集挖掘算法[J].大連理工大學(xué)學(xué)報，2017，57（5）：524-530。

[9] Liu Yaolin， Xie Peng， He Qingsong， etal. A new method based on association rules mining and geo-filter for mining spatial association Knowledge[J]. Chinese Geographical Science， 2017，27（3）： 389-401.

[10] 裴澤霖，金培進，張順健.雷達對抗偵察數(shù)據(jù)關(guān)聯(lián)規(guī)律挖掘模型研究[J].航天電子對抗，2007，24（4）：35-37.

【通聯(lián)編輯：光文玲】