前言：本站為你精心整理了基于模式與智能系統(tǒng)技術(shù)范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：隨著科學(xué)技術(shù)的不斷發(fā)展，現(xiàn)代戰(zhàn)爭中戰(zhàn)場信息獲取的重要性日漸凸顯，這就使得識別各類發(fā)射器類型開始日漸受到各國關(guān)注，為此文章基于模式識別與智能系統(tǒng)技術(shù)的發(fā)射器類型識別方法展開了具體研究，希望這一研究中所應(yīng)用的拆分規(guī)則及剪枝算法能夠?yàn)橄嚓P(guān)研究人員帶來一定啟發(fā)。關(guān)鍵詞：模式識別；發(fā)射器；智能系統(tǒng)技術(shù)

1決策樹構(gòu)造原理

1.1拆分規(guī)則

對于決策樹的構(gòu)造來說，拆分規(guī)則是用來確定每個節(jié)點(diǎn)上應(yīng)該使用哪個變量，而確定哪些變量的組合把樣本分成若干子群同樣屬于拆分規(guī)則的作用。在拆分規(guī)則的具體應(yīng)用中，我們首先需要確定對變量取什么閥值，這一閥值的獲取需要首先進(jìn)行各拆分的設(shè)定，圖1為簡單的分類樹樣圖，結(jié)合該圖我們不難發(fā)現(xiàn)，該圖對的閥值為（a，b，c，d），而（x1、x2、x3、x4）是其各特征變量，而由此給分類樹得以實(shí)現(xiàn)（w1、w2、w3）的不同類劃分。值得注意的是對于閥值獲取中的各拆分設(shè)定來說，我們需要將x∈Rp這一向量包括在坐標(biāo)條件上[1]。圖1分類樹樣圖結(jié)合這一分類樹樣圖，我們就需要應(yīng)用L{（xiyi），i=1，...，n}這一帶有標(biāo)簽的訓(xùn)練集進(jìn)行分類樹的具體構(gòu)建，而在這一構(gòu)建的分類樹中，x1與y1分別為數(shù)據(jù)樣本與相應(yīng)的類別標(biāo)簽。令N（t）為L中xi∈u（t）的樣本數(shù)，Nj（t）為xi∈u（t）且yi=ωj（ΣjNj（t）=N（t））的樣本數(shù)，定義p（t）=N（t）n為p（x∈u（t））基于L的估計；p（ωj|t）=Nj（t）N（t）為P（y=ωj|x∈u（t））基于L的估計[2]。結(jié)合上文內(nèi)容，我們可以就u（t）這一節(jié)點(diǎn)t上的上子空間進(jìn)行拆分，而為了較好保證這一拆分的品質(zhì)，我們就需要對反映不純度函數(shù)的變化進(jìn)行度量，這一度量過程需要實(shí)現(xiàn)不純度函數(shù)最大化下降，而這一最大化下降的實(shí)現(xiàn)就需要得到△Γ（sp，t）艿Γ（t）-（Γ（tL）pL+Γ（tR）pL）的支持，而這本身就屬于所有拆分sp的選擇。結(jié)合△Γ（sp，t）艿Γ（t）-（Γ（tL）pL+Γ（tR）pL），我們需要應(yīng)用吉尼不純度準(zhǔn)則，這樣才能夠順利實(shí)現(xiàn)對多種形式Γ（t）的針對，Γ（t）=i=jΣp（ωi|t）p（ωj|t）就是這一吉尼不純度準(zhǔn)則應(yīng)用的結(jié)果。應(yīng)用這一吉尼不純度準(zhǔn)則結(jié)果進(jìn)行CART的訓(xùn)練，我們就能夠組成單個變量閥值，即sp={x，xk燮b}，這其中的k=（1，...，p），b則在實(shí)數(shù)范圍取值?？紤]到要考察拆分?jǐn)?shù)量的限制必要，我們需要限制b只能取一個有限值，而為了避免過量計算，在具體的分類樹節(jié)點(diǎn)拆分中，我們需要應(yīng)用剪枝算法結(jié)束這種節(jié)點(diǎn)拆分。1.2剪枝算法所謂剪枝算法，其本身首先需要形成1棵終止節(jié)點(diǎn)具有純的類別成員的樹，這樣才能夠具體進(jìn)行剪枝算法的應(yīng)用。

在具體的剪枝算法應(yīng)用中，我們首先需要進(jìn)行R（t）的定義，這一定義需要將R（t）定義為給定樹T每個節(jié)點(diǎn)t相關(guān)節(jié)的實(shí)數(shù)。若t為終止節(jié)點(diǎn)，t∈T軒，M（t）為u（t）中不屬于與該終止節(jié)點(diǎn)相關(guān)類別的樣本數(shù)，而n則為數(shù)據(jù)點(diǎn)總數(shù)。對于實(shí)數(shù)α來說，令Rα（t）=R（t）+α，規(guī)定R（t）=t∈T軌ΣR（t），Rα（T）=t∈T軌ΣRα（t）=R（t）+α。分類中，R（t）是估計錯分率，T軒為表示集合T軒的基數(shù)，α為常數(shù)，Rα（t）為分類樹的估計錯分率復(fù)雜度[3]。在具體的CART剪枝算法應(yīng)用中，我們就可以令R（t）=r（t）p（t），這里的r（t）本身指的是錯分概率的重新替代估計，而結(jié)合樣本r（t）=1-maxωjp（ωj|t），給定落入節(jié)點(diǎn)t就能夠得到較好支持。如果這里的t本身為終止節(jié)點(diǎn)，那么R（t）便是指代該節(jié)點(diǎn)對總錯誤的影響。這里我們將Tt用于便是子樹，我們就可以對子樹與節(jié)點(diǎn)t對復(fù)雜度代價的影響進(jìn)行深入分析，結(jié)合公式α=R（t）-R（Tt）Nd（t）-1，以及最后定義的g（t）=R（t）-R（Tt）Nd（t）-1，筆者提出了圖2所示的原始樹舉例。值得注意的是，g（t）=R（t）-R（Tt）Nd（t）-1公式為t連接強(qiáng)度的測度。圖2原始樹結(jié)合圖2所示的原始樹，我們可以通過不斷進(jìn)行子樹具有最小g（t）值節(jié)點(diǎn)的尋找，最后較好發(fā)現(xiàn)跟節(jié)點(diǎn)，這樣我們就可以應(yīng)用Tk表示第k步得到的樹，也能夠通過R（Tk）表示最小的子樹。

2智能系統(tǒng)框架設(shè)計

（1）目標(biāo)獲?。簩τ谥悄芟到y(tǒng)框架設(shè)計中的目標(biāo)獲取環(huán)節(jié)來說，這一環(huán)節(jié)需要應(yīng)用雷達(dá)等設(shè)備獲取具體的目標(biāo)電子特征信號，這樣才能夠?yàn)楹罄m(xù)的智能系統(tǒng)框架設(shè)計提供有力支持。

（2）目標(biāo)轉(zhuǎn)換：在獲取目標(biāo)電子特征信號的頻率、脈沖重復(fù)周期和脈沖寬度后，我們就需要對獲取的這類信息進(jìn)行目標(biāo)轉(zhuǎn)換，這一目標(biāo)轉(zhuǎn)化也可以被稱為原始信號的預(yù)處理。在具體的目標(biāo)轉(zhuǎn)換過程中，我們需要將目標(biāo)電子特征信號的頻率、脈沖重復(fù)周期和脈沖寬度進(jìn)行放大、整形、濾波以及A/D轉(zhuǎn)換。

（3）轉(zhuǎn)換后數(shù)字信號的處理：在將目標(biāo)電子特征信號的相關(guān)組成進(jìn)行放大、整形、濾波以及A/D轉(zhuǎn)換后，我們就可以將轉(zhuǎn)換取得的數(shù)字信號送入PC中，結(jié)合上文研究中設(shè)計好的分類樹模塊進(jìn)行具體的分類運(yùn)算，轉(zhuǎn)換取得的數(shù)字信號由此實(shí)現(xiàn)智能分類。

（4）信號傳輸：在完成通過終端顯示結(jié)果后，我們還需要對取得的結(jié)果進(jìn)行信號傳輸，這一信號傳輸主要是通過網(wǎng)絡(luò)化手段實(shí)現(xiàn)戰(zhàn)場前沿信息與后方的實(shí)時共享，這對于我軍戰(zhàn)斗力的提升將帶來較為積極的影響。

3結(jié)束語

在本文基于模式識別與智能系統(tǒng)技術(shù)的發(fā)射器類型識別方法展開的研究中，筆者詳細(xì)論述了決策樹構(gòu)造原理、智能系統(tǒng)框架設(shè)計，而結(jié)合這一系列論述我們就能夠較為深入地了解利用分類樹原理的發(fā)射器類型識別的方法，而這種方法具備的清楚鑒別與每個雷達(dá)相關(guān)的特征空間區(qū)域特征，也使得其本身能夠較好服務(wù)于我軍戰(zhàn)斗力的提升。

參考文獻(xiàn):

[1]廖雯竹，潘爾順，王瑩，等.統(tǒng)計模式識別和自回歸滑動平均模型在設(shè)備剩余壽命預(yù)測中的應(yīng)用[J].上海交通大學(xué)學(xué)報，2011（7）：1000-1005.

[2]高海波，徐永紅，洪文學(xué)，等.基于多元數(shù)據(jù)圖表示的廣義統(tǒng)計模式識別[J].微計算機(jī)信息，2009（7）：267-269.

[3]范會敏，王浩.模式識別方法概述[J].電子設(shè)計工程，2012（19）：48-51.

作者：胡建超 單位：桂林聚聯(lián)科技有限公司