[发明专利]一种利用梯度下降和夹角余弦的联合簇标定方法

摘要

本发明提供一种利用梯度下降和夹角余弦的联合簇标定方法，在保证聚类准确率的基础上，通过简化支持向量聚类簇标定阶段的运算结构，大大降低了运算时间。该发明所述的方法先将输入数据映射到高维空间中，求得支持向量点，然后对支持向量的簇标定过程进行改进，提出以支持向量点为初始点，通过梯度下降法寻求局部极值点，即局部聚类中心点，然后通过夹角余弦的方法计算剩余点与当前局部聚类中心的相似度，将剩余点归属到相应的局部聚类中心中去，最后对局部中心点进行合并，从而得出最终的聚类中心，完成雷达信号的分选。本发明所述的梯度下降和夹角余弦簇标定算法不仅可以利用雷达信号分选上，还可以用在其他相邻领域的数据分类上。

主权项

1.一种利用梯度下降和夹角余弦的联合簇标定方法，其特征在于：步骤如下：步骤1：将雷达信号的脉宽PW、载频CF、到达方向DOA组成P＝{p1,p2,...pk...,pN}，N为脉冲信号个数，pk包含多维参数且在雷达信号分选中对应雷达信号的脉宽PW、载频CF、到达方向DOA；步骤2：设置参数C和q的值，其中C为支持向量中求解最小超球体的软边界参数，q为高斯核函数的宽度参数；步骤3：利用高斯核函数将数据P映射到高维超球体中，根据高维空间数据的分布，将数据P分成两类：第一类位于高维超球体的表面称为支持向量点，用集合表示，其中n₁为支持向量的数目，第二类位于超球体的内部，称为非支持向量点，用集合表示，其中n₂为非支持向量点数的个数；步骤4：设置更新系数lr和误差值err；步骤5：对剩余的非支持向量点进行处理，判断其局部聚类中心；步骤6：对局部聚类中心点计算，则可判断所有数据的归属：取G中任意两点gk和gh，判断gk和gh是否属于同一聚类中心：在两点之间直线路径上采样M个点，M取值一般在10～20之间，若存在一个采样点s，带入公式|Φ(s)‑a|的值大于超球体半径R，则认为gk和gh属于不同聚类中心。