基于改进的ISODATA的超球覆盖仿生模式分类算法

作者：刘莉萍; 冯清贤; 余志斌^*

来源：计算机应用研究, 2023, 40(03): 689-695.

DOI：10.19734/j.issn.1001-3695.2022.07.0405

• 超球覆盖
• 加权马氏距离
• 局部离群因子
• 自组织数据分析
• 免重训

现有仿生模式识别分类器难以解决含有多个聚集点、非线性和稀疏性样本的分类问题。因此，引入特征分类贡献度，提出了基于改进的迭代自组织数据分析(M-ISODATA)的超球覆盖仿生模式识别算法。首先引入马氏距离对自组织数据分析方法(ISODATA)的欧氏距离替换，并引入熵权法对马氏距离进行加权以赋予各特征不同的贡献度；同时为了去除干扰样本点，引入改进的局部离群因子检测方法(M-LOF)对样本进行训练，减少了不同类别流形之间的重叠区域。再利用改进的自组织数据分析方法(M-ISODATA)对每类训练样本点动态聚类，寻找到同一类的多个小类覆盖区中心后，用超球进行该类的有效覆盖，并对落入重叠区域的测试样本点进行二次划分，实现测试样本的正确分类。最后在iris数据集上验证该算法的有效性，并将该算法应用于雷达辐射源信号的分类识别。实验结果表明，该算法具有很好的拒识、免重训能力，对于雷达信号的识别率能达到97.29%,相比于传统典型模式识别算法具有更好的识别能力。

• 单位
  中国电子科技集团公司第二十九研究所; 西南交通大学