《非合作目標樣本極端缺失下的輻射源個體識別方法研究》是依託西安電子科技大學，由張文博擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：非合作目標樣本極端缺失下的輻射源個體識別方法研究
- 項目類別：青年科學基金項目
- 項目負責人：張文博
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
輻射源個體識別是電子對抗領域的研究熱點和亟需解決的關鍵技術之一，是提高我國電子防禦能力和水平的重要保障。然而，實際套用中，輻射源識別面臨具有高威脅度的非合作目標樣本極端缺失的問題，致使現有分類器性能下降甚至完全失效，這已成為制約輻射源個體識別系統發展的一個瓶頸。本項目針對該問題，開展智慧型分類方法研究，主要內容包括：（1）研究基於總體威脅最小化的判決準則，並建立與之配套的綜合虛警率和總體誤分威脅度的評價指標；（2）以上述判決準則為基礎，研究針對樣本極端不平衡問題的多類別數據描述方法；（3）研究基於關鍵信息更新的線上學習數據描述，使得系統可以在不依賴大規模資料庫的基礎上實時進行升級。本項目旨在構建一套符合輻射源個體識別實際需求的智慧型分類方法，該研究成果可以較容易地推廣至大多數自動識別系統，從而為我國電子對抗體系整體性能的提升提供理論與技術支撐。
結題摘要
輻射源個體識別是電子對抗領域的研究熱點和亟需解決的關鍵技術之一，是提高我國電子防禦能力和水平的重要保障。然而，實際套用中，輻射源識別面臨具有高威脅度的非合作目標樣本極端缺失的問題，致使現有分類器性能下降甚至完全失效，這已成為制約輻射源個體識別系統發展的一個瓶頸。本項目針對該問題，開展智慧型分類方法研究，主要內容包括：（1）研究基於總體威脅最小化的判決準則，並建立與之配套的綜合虛警率和總體誤分威脅度的評價指標；（2）以上述判決準則為基礎，研究針對樣本極端不平衡問題的多類別數據描述方法；（3）研究基於關鍵信息更新的線上學習數據描述，使得系統可以在不依賴大規模資料庫的基礎上實時進行升級。
