一种基于簇心特征构建的平台智能识别方法和系统与流程

技术特征：
1.一种基于簇心特征构建的平台智能识别方法，其特征在于，包括以下步骤：s1、对数据进行数据均衡处理；s2、进行簇心特征构建，确定每个参数特征下的簇心值和离群高频簇心值，并按照数值大小对每个参数特征下的簇心值和离群高频簇心值进行排序；s3、进行每条数据的综合簇心标签构建，计算每一条数据在每个参数下对应的数值到该参数下的每个簇心的距离，作为该条数据在该参数下的距离特征标签，结合参数列和簇心顺序，形成综合簇心特征标签；s4、对带标签数据进行神经网络训练，进行特征筛选，保留显性个体特征，形成最终的识别网络。2.根据权利要求1所述的基于簇心特征构建的平台智能识别方法，其特征在于，s2包括以下步骤：s21、初始簇心数量拟定；根据样本类型数量确定簇心数的初始值，要求初始值大于类别数且为整数倍，将每个参数特征下的初始簇心数定为n；s22、数值范围上的簇心判断；选定一个参数，将所有数据l条汇集后形成参数列，利用聚类的方式在参数列中形成n个簇，取平均值作为簇心值；s23、簇心合并；对形成的n个簇心进行左导数处理和右导数处理，设置门限为m，将左、右求导变化率低于门限m的相邻簇心判断为同一簇心，将同一簇心的数据合并后重新统计平均值获得新的簇心值，原有的2个簇心值丢弃；s24、判断离群高频簇心；统计每个簇数据出现的频次，设置高频偏离门限y1，频次门限f1，筛选出比当前最大的簇心值超过y1门限的数据，统计频次，当频次比所有簇中排序最后1/4处的簇的频次的比例超过f1时，则该部分筛选出的数据形成一个新的簇，统计平均值形成新的离群高频簇心值；s25、对簇心进行排序；统计该参数下所有形成的簇心和离群高频簇心的数量，然后按照数值的大小对簇心和离群高频簇心进行排序；s26、重复s22-s25，对其他参数特征下的簇心进行提取并排序。3.根据权利要求2所述的基于簇心特征构建的平台智能识别方法，其特征在于，s21中，每个参数特征下的初始簇心数n选为类别数的2倍。4.根据权利要求2所述的基于簇心特征构建的平台智能识别方法，其特征在于，s24中，统计每个簇数据出现的频次的计算方法为用每个簇的点数除以总的数据点数l。5.根据权利要求2所述的基于簇心特征构建的平台智能识别方法，其特征在于，s24中，通过设置多个高频偏离门限和频次门限，得到不同的离群高频簇心值。6.根据权利要求1至5中任一项所述的基于簇心特征构建的平台智能识别方法，其特征在于，s3中用欧式距离或者曼哈顿距离计算方法计算每一条数据在某个参数下对应的数值到该参数下的每个簇心的距离。7.根据权利要求1至5中任一项所述的基于簇心特征构建的平台智能识别方法，其特征在于，s4中用transformer深度模型对带标签数据进行神经网络训练。8.根据权利要求1至5中任一项所述的基于簇心特征构建的平台智能识别方法，其特征在于，s1中进行数据均衡处理的方式为进行类别间数据量均衡。9.一种基于簇心特征构建的平台智能识别系统，其特征在于，所述系统包括存储器、处
理器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。

技术总结
本发明提供了一种基于簇心特征构建的平台智能识别方法和系统。解决因目标多变和技术研发带来的识别特征提取不全或者错误造成识别准确率不高等问题，通过对雷达信号样本数据构建每项参数特征下的簇心特征，利用簇心特征进行Transformer模型下的神经网络训练，从而对目标类型或平台进行识别。能够有效提高识别准确率，固化算法流程，提升网络优化速度，为未来优先条件下的关联应用提供支撑，并且发明采用的方法为纯软件创新，系统更新成本低，适合推广。推广。推广。


技术研发人员：曾翔宇 张萌 张希会
受保护的技术使用者：中国电子科技集团公司第十研究所
技术研发日：2022.11.07
技术公布日：2023/2/3