一种提高噪声雷达数据分类效率的方法.pdf

本发明公开一种提高噪声雷达数据分类效率的方法，该方法基于二阶锥规划方法，依据目标数据优化问题中约束条件的锥特性，将约束条件逐一转换为二阶锥约束，可有效降低噪声数据分类的精度与运算时间。本方法适用范围广泛，适合于多源、异构数据集，可直接应用于航空航天、地球物理、大气物理和模式识别等领域。

1.  一种提高噪声雷达数据分类效率的方法，该方法基于二阶锥规划方法，依据目标数据优化问题中约束条件的锥特性，将约束条件逐一转换为二阶锥约束；
该方法具体包括如下步骤：
步骤一：输入雷达样本数据{x₁,...,x_n}以及标号集{y₁,...,y_n}，其中x_i∈R^m，i＝1,...,n，y_i∈{-1,1}，i＝1,...,n，1表示数据属于正类，-1表示数据属于负类；初始变量值α₀＝[1,...1]^T，预设容忍度ε＝10^-3，初始海森矩阵H_k＝E；
步骤二：添加自由变元t,t,r,τ,σ,υ，并赋初值t＝[1,...,1]^T，t＝0，r＝0，τ＝0，σ＝0，υ＝0，生成二阶锥约束；在本步骤中，按如下方式生成二阶锥约束：

步骤三：带入初值，并求解如下最小化问题：
minα,t,t,r,τ,σ,υt]]>
s.t.  y^Tα＝0,r≥ρ^Tα,υ≥τ+e^Tt,
α,τ≥0,υ-2e^Tα-t≤0,
σ≤1,σ+τ≥||2rσ-τ||,]]>
1-σ+eTt≥||2D0α1-σ-eTt||,]]>
其中，t,r,τ,σ,υ∈R，ρ＝[ρ₁,...,ρ_n]^T，D₀＝[x₁,...,x_n]Λ，Λ＝diag(y)，y＝[y₁,...,y_l]^T；e为单位向量；求解采用梯度下降方式迭代计算，具体为：在第k步迭代中，优化目标变量的更新方向为λ_k，λ_k通过线 性规划过程得到；更新步长为P_k，计算P_k要用到H_k值和g_k值，g_k为当前目标函数梯度值；更新完X_k后，需计算H_k+1的值，用于下次迭代过程，E为单位矩阵，所需计算公式如下：

步骤四：若有当前目标函数梯度的下降值ψ_k小于预设的收敛容忍度，则步骤终止，得到结果；否则返回步骤三进行下一次迭代。

一种提高噪声雷达数据分类效率的方法
技术领域
本发明属于模式识别与人工智能领域，具体是一种提高噪声雷达数据分类效率的方法，主要应用于模式识别与人工智能领域专家系统、智能计算系统、决策系统，可显著提高有噪雷达数据分类的计算效率。
背景技术
对地球电离层进行雷达扫描时，高频天线波束穿越大气层，回波数据往往存在噪声，对这类有噪声雷达数据的有效性进行分类，是研究地球电离层结构的重要问题，解决这一问题的传统方法主要采用半定规划法，计算复杂度较高。以半定规划法为例，对于规模为n的数据集，半定规划法的计算复杂度为O(n^4.5)。当雷达数据来源多样，样本数据爆发性增长时，半定规划法收敛速度缓慢，计算效率不高。这给实际工程应用带来较大困难。因而亟需一种快速高效的电离层有噪声雷达数据分类计算方法。
发明内容
为解决现有技术的不足，本发明要解决的技术问题是：提出一种提高噪声雷达数据分类效率的方法，该方法可有效降低有噪雷达数据分类的计算复杂度，提高设备工作效率。
本发明解决所述技术问题的技术方案是：设计一种提高噪声雷达数据分类效率的方法。该方法基于二阶锥规划方法，依据目标数据优化问题中约束条件的锥特性，将约束条件逐一转换为二阶锥约束；
该方法具体包括如下步骤：
步骤一：输入雷达样本数据{x₁,...,x_n}以及标号集{y₁,...,y_n}，其中x_i∈R^m，i＝1,...,n，y_i∈{-1,1}，i＝1,...,n，1表示数据属于正类，-1表示数据属于负类；初始变量值α₀＝[1,...1]^T，预设容忍度ε＝10^-3，初始海森矩阵H_k＝E；
步骤二：添加自由变元t,t,r,τ,σ,υ，并赋初值t＝[1,...,1]^T，t＝0，r＝0，τ＝0，σ＝0，υ＝0，生成二阶锥约束；在本步骤中，按如下方式生成二阶锥约束：

步骤三：带入初值，并求解如下最小化问题：
minα,t,t,r,τ,σ,υt]]>
s.t.y^Tα＝0,r≥ρ^Tα,υ≥τ+e^Tt,
α,τ≥0,υ-2e^Tα-t≤0,
σ≤1,σ+τ≥||2rσ-τ||,]]>
1-σ+eTt≥||2D0α1-σ-eTt||,]]>
其中，t,r,τ,σ,υ∈R，ρ＝[ρ₁,...,ρ_n]^T，D₀＝[x₁,...,x_n]Λ，Λ＝diag(y)，y＝[y₁,...,y_l]^T；e为单位向量；求解采用梯度下降方式迭代计算，具体为：在第k步迭代中，优化目标变量的更新方向为λ_k，λ_k通过线性规划过程得到；更新步长为P_k，计算P_k要用到H_k值和g_k值，g_k为当前目标函数梯度值；更新完X_k后，需计算H_k+1的值，用于下次迭代过程，E为单位矩阵，所需计算公式如下：

步骤四：若有当前目标函数梯度的下降值ψ_k小于预设的收敛容忍度，则步骤终止，得到结果；否则返回步骤三进行下一次迭代。
本发明方法的有益效果如下：
1、本发明提出了一种提高噪声雷达数据分类效率的方法，可有效降低噪声数据分类的精度与运算时间。
2、本方法适用范围广泛，适合于多源、异构数据集，可直接应用于航空航天、地球物理、大气物理和模式识别等领域。
附图说明
图1为本发明提高噪声雷达数据分类效率的方法一种实施例的流程图。
具体实施方式
本发明设计的提高噪声雷达数据分类效率的方法(简称方法，参见图1)，基于二阶锥规划方法，依据目标数据优化问题中约束条件的锥特性，将约束条件逐一转换为二阶锥约束；
该方法具体包括如下步骤：
步骤一：输入雷达样本数据{x₁,...,x_n}以及标号集{y₁,...,y_n}，其中x_i∈R^m，i＝1,...,n，y_i∈{-1,1}，i＝1,...,n，1表示数据属于正类，-1表示数据属于负类；初始变量值α₀＝[1,...1]^T，预设容忍度ε＝10^-3，初始海森矩阵H_k＝E；
步骤二：添加自由变元t,t,r,τ,σ,υ，并赋初值t＝[1,...,1]^T，t＝0，r＝0，τ＝0，σ＝0，υ＝0，生成二阶锥约束；在本步骤中，按如下方式生成二阶锥约束：

步骤三：带入初值，并求解如下最小化问题：
minα,t,t,r,τ,σ,υt]]>
s.t.y^Tα＝0,r≥ρ^Tα,υ≥τ+e^Tt,
α,τ≥0,υ-2e^Tα-t≤0,
σ≤1,σ+τ≥||2rσ-τ||,]]>
1-σ+eTt≥||2D0α1-σ-eTt||,]]>
其中，t,r,τ,σ,υ∈R，ρ＝[ρ₁,...,ρ_n]^T，D₀＝[x₁,...,x_n]Λ，Λ＝diag(y)，y＝[y₁,...,y_l]^T；e为单位向量；求解采用梯度下降方式迭代计算，具体为：在第k步迭代中，优化目标变量的更新方向为λ_k，λ_k通过线性规划过程得到；更新步长为P_k，计算P_k要用到H_k值和g_k值，g_k为当前目标函数梯度值；更新完X_k后，需计算H_k+1的值，用于下次迭代过程，E为单位矩阵，所需计算公式如下：

步骤四：若有当前目标函数梯度的下降值ψ_k小于预设的收敛容忍度，则步骤终止，得到结果；否则返回步骤三进行下一次迭代。
下面给出具体实施例。
实施例
选用UCI标准数据库^[2]中的Ionosphere电离层雷达数据集为实用例，对该方法进行验证。Ionosphere数据集共包含351个雷达数据样本，每个样本包含34个属性。随机挑选200个样本作为训练样本，剩余151个样本用于测试。对训练样本加入分布区间为的正态噪声，噪声阈值ρ_i＝0.175。共进行10次试验，并与常规的半定规划法分类方法进行对比，二阶锥规划法有较高的预测精度和较少的运算时间，结果详见表1。
本发明依据电离层噪声雷达数据的特点，将雷达数据的分类问题以目标优化问题来实现；将目标优化的约束条件逐一转换为二阶锥约束，并以迭代的方式对雷达数据进行分类，有效地提升雷达数据分类效率。
任何本专业技术人员，在本发明技术方案内作出的其他种种改良或修饰为等同变化的实施例，但凡未脱离本发明技术方案内容，依据本发明技术实质对以上所作的任何简单修改、等同变化与修饰，均属于本发明权利要求的保护范围内。
本发明未述及之处适用于现有技术。
表1试验结果对比