知识发现中的模糊聚类方法研究+FCM算法(8)
图3 改进后的FCM算法流程图
4. 改进FCM算法在知识发现中的应用仿真分析
4.1 模糊聚类应用实例
下面本文以空战中敌方目标集群划分的问题为例来介绍改进的FCM算法的用法及检验改进FCM算法的有效性。
针对传统多机多目标攻击不易解算攻击分配任务，并且获得敌方目标集群的数量、位置、速度等信息不仅数量大、复杂程度高而且常常具有模糊性。本文提出用改进后的FCM算法，该方法根据目标属性之间相似性进行多目标分类，该方法是在大量复杂信息混杂模式下对信息及信息所隐含的状态进行有效分类的一个重要工具。该方法不需要太多的经验知识，通过对复杂传感信息的成组分类实现对各种不同状态的有效分类，可以有效地降低多目标任务分配计算文数，减少运算量，提高计算速度。并通过该方法建立空中作战多目标模糊聚类数学模型，并进行实验仿真且取得了良好的效果。
4.2 实例仿真分析
“假如仿真是16:16空中战斗，我军用4个机组队，可分4个不同编队单元，而敌方编队情况不明，由地面雷达站来探测目标信息并进行聚类研究，为获最大战术效果和便于对聚类后的目标群进行攻击的任务分配，将敌方聚类数目设定与我方编队数目一样。为方便，使模糊权数m=2,阈值ε=0.0001，聚类数C=4，且仅考虑二文空间，用目标空间坐标表示目标位置，且根据目标位对目标群进行模糊聚类研究[37-38]”。
假如对方各架战机态势如图4所示，具体位置如表1示。
图4 敌方多机态势视图
表1 敌方多机位置
位置 1 2 3 4 5 6 7 8
X∕ km 0 0.5 0.8 1.2 1.2 1.5 2.1 2.5
Y∕ km 30.4 30.5 31.2 31.1 30.5 31.1 31.3 31.9
位置 9 10 11 12 13 14 15 16
X∕ km 2.6 3.0 2.9 3.4 3.3 3.7 4.1 4.5
Y∕ km 31.3 31.1 31.8 31.6 31.1 31.1 31.0 31.8
用改进的FCM算法解算聚类结果，基于该算法的仿真循环60次，运行时间为0.3261秒。
该算法的分类结果如表2所示。
表2 改进后FCM算法的分类结果
聚类中心 类内敌机标号
类1 0.2719,30.5887 1,2
类2 1.3470,30.9779 3,4,5,6,7
类3 2.8019,31.5925 8,9,10,11,12,13
类4 4.1001,31.2766 14,15,16
对于表1多架敌机目标位置比较靠近，若将不同目标编队之间距离拉大，且进行明显区分，再用该方法进行聚类解算。若敌机位置如下表3所示，并令该算法的初始值与原先一样。
位置 1 2 3 4 5 6 7 8
X∕ km 0 0.5 0.7 1.1 5.2 5.5 6.1 6.5