史紅權(quán)，徐永杰

(海軍大連艦艇學(xué)院科研部，遼寧 大連 116018)

直覺模糊多特征融合目標(biāo)類型識別模型

史紅權(quán)，徐永杰

(海軍大連艦艇學(xué)院科研部，遼寧 大連 116018)

應(yīng)用直覺模糊集完整描述目標(biāo)識別特征與類型關(guān)系之間的模糊性和猶豫性，建立基于最大隸屬原則的直覺模糊多特征模式識別的一般識別模型;針對戰(zhàn)場目標(biāo)類型識別問題中特征值不完全和識別特征之間獨立的特點，定義了識別特征值識別價值測度和直覺模糊動態(tài)熵權(quán)，進而建立了基于最大隸屬原則和動態(tài)熵權(quán)的多特征直覺模糊目標(biāo)類型識別模型;通過應(yīng)用實例計算與對比，說明提出的模型是有效的;所建立的模型對空中目標(biāo)類型智能識別具有一定參考價值。

直覺模糊集;模式識別;目標(biāo)類型識別;直覺模糊動態(tài)熵權(quán);最大隸屬原則

0 引言

目標(biāo)類型識別作為水面艦艇作戰(zhàn)指揮過程的一個重要內(nèi)容，是威脅估計和態(tài)勢分析的前提，也是進行作戰(zhàn)指揮決策的重要依據(jù)。目標(biāo)類型識別可以理解為充分利用多個信息源資源，將各種目標(biāo)特征信息依據(jù)某種準(zhǔn)則來進行組合，以獲得準(zhǔn)確可靠的目標(biāo)類型估計［1］。

目標(biāo)類型識別問題本質(zhì)上是一類多特征模式識別問題，模糊模式識別在目標(biāo)識別領(lǐng)域已經(jīng)有比較成功的應(yīng)用［2－4］。然而，模糊集理論單一隸屬度無法充分描述目標(biāo)識別特征的不確定性，不能完整地描述目標(biāo)類型與識別特征之間的猶豫性。直覺模糊集［5］(與vague集等價)在這方面由于同時考慮隸屬度、非隸屬度和猶豫度，可以完整表達這一類識別知識。因此，直覺模糊集更適合于描述目標(biāo)識別知識，直覺模糊模式識別能為目標(biāo)類型識別問題提供有效的方法。

現(xiàn)代海戰(zhàn)場目標(biāo)類型識別問題與一般模式識別問題相比具有其特殊性，主要表現(xiàn)為識別特征多、識別信息模糊性、不確定性強。目前，尚無從直覺模糊模式識別角度研究戰(zhàn)場目標(biāo)類型識別問題的文獻。本文首先指出現(xiàn)有的直覺模糊模式識別模型的不足，建立多特征直覺模糊模式識別的一般模型;進而針對目標(biāo)類型識別問題的特殊性，研究建立直覺模糊多特征融合目標(biāo)識別模型。

1 直覺模糊模式識別的一般模型

模糊模式識別方法可分為基于最大隸屬原則的方法、基于擇近原則的方法和基于模糊聚類的方法3類。本文的出發(fā)點是應(yīng)用基于最大隸屬原則的多特征直覺模糊模式識別方法研究戰(zhàn)場目標(biāo)類型識別問題。

1.1 預(yù)備知識

定義1［5］設(shè)X是1個給定論域，則X上的1個直覺模糊集A為:

其中，μA(x):X→［0，1］和vA(x):X→［0，1］分別代表A的隸屬度函數(shù)μA(x)和非隸屬度函數(shù)νA(x)，且對于A上的任意x∈X，都有0≤μA(x)+νA(x)≤1成立，而且稱πA(x)=1－μA(x)－νA(x)為x對A的猶豫度。

IFS(X)表示論域在X上的直覺模糊集的全體。為方便稱 ＜x，μ(x)，ν(x)＞為直覺模糊集A的1個直覺模糊元，稱 ＜μ(x)，ν(x)＞為x∈X的直覺模糊值，稱Θ為全體直覺模糊值的集合。因此，當(dāng)X上只有1個元素時，直覺模糊集可簡記為a=＜μa，νa＞，μa，νa∈［0，1］，μa+ νa≤1，此時，X 上的所有直覺模糊集也可由Θ表示。

定義 2［6］設(shè) aj= ＜ μj，vj＞ (j=1，…，n)為 1組直覺模糊值，若映射IFWA:Θn→Θ，則

直覺模糊熵是直覺模糊集不確定性的測度，這里采用文獻［7］構(gòu)造的一種直覺模糊熵。

定義 3［7］直覺模糊集 A={＜ x，μA(x)，γA(x)＞|x∈X}的熵E(A)是一個實值函數(shù)，E(A):A→［0，1］。

1.2 直覺模糊多特征模式識別一般模型

假設(shè)待識別對象B的各個特征值都是確定的，即待識別對象B可以用1個特征向量表示為:fB=(fB1，fB2，…，fBm)T，則待識別對象 B 隸屬于模式的特征直覺模糊值向量:

由上述定義可以看出，集結(jié)函數(shù)有多種選擇，可以是直覺模糊值到直覺模糊值的映射，也可以是直覺模糊值到實數(shù)區(qū)間［0，1］的映射。可以采用取大取小算子，加權(quán)平均算子等，因此，最大隸屬原則的模式識別模型的關(guān)鍵問題是選擇合適的集結(jié)函數(shù)，不同的集結(jié)函數(shù)將構(gòu)成不同的具體的直覺模糊模式識別方法。從這個意義上講，文獻［8］中的識別方法是直覺模糊模式識別模型的1個特例。

2 多特征直覺模糊模式識別在目標(biāo)類型識別中應(yīng)用

在海戰(zhàn)場目標(biāo)類型識別等現(xiàn)實模式識別領(lǐng)域問題中，由于戰(zhàn)場環(huán)境和傳感器可靠性等因素，只能得到待識別對象的一部分特征。下面給出一個具體的應(yīng)用直覺模糊模式識別模型的目標(biāo)類型識別方法。

2.1 基于直覺模糊動態(tài)熵權(quán)的目標(biāo)類型識別模型

基于上一節(jié)中的直覺模糊模式識別一般模型，將目標(biāo)類型作為已知模式，將戰(zhàn)場目標(biāo)作為待識別對象。不妨假設(shè)某個識別周期內(nèi)，測得前l(fā)個特征值，則待識別目標(biāo)B在各個類型的隸屬直覺模糊值向量構(gòu)成直覺模糊值矩陣MB如下:

矩陣MB的第j列表達的是各個類型具有第j個特征值的程度，其第i行表達的是第i個類型具有各種特征值的程度。

在目標(biāo)類型識別中，實際上由于某些目標(biāo)在某些特征上敏感，很難給出目標(biāo)類型識別中的各個特征信息賦予固定的權(quán)重，因此，本文采取基于識別價值的方法確定動態(tài)權(quán)重。

定義6 假設(shè)待識別目標(biāo)B的第j個特征值的識別價值為V(fBj)，則待識別目標(biāo)B第j個特征的直覺模糊動態(tài)熵權(quán)為:

考慮到取大取小算子造成信息丟失現(xiàn)象，可以采用加權(quán)平均算子作為集結(jié)函數(shù)。于是，根據(jù)式(1)和式(4)，得到待識別目標(biāo)B隸屬于類型A～i的隸屬程度:

最后，根據(jù)式(5)可以得到識別結(jié)果。

2.2 算例與模型比較

假設(shè)根據(jù)某個系統(tǒng)信息獲取水平和指揮決策需求，將目標(biāo)類型劃分為 T={T1，T2，T3，T4}表示 4 種類型的飛機，特征集合 F={F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5，F(xiàn)6}分別表示目標(biāo)的一維距離像、回波信號、反射截面積、速度、航跡及加速度特征。

假設(shè)某識別周期內(nèi)，得到了目標(biāo)O的前4個特征值，采用文獻［9］中的數(shù)據(jù)，待識別目標(biāo)O在各個類型的隸屬直覺模糊值向量構(gòu)成直覺模糊值矩陣MO=(aij)4×4如下所示:

2)利用式(7)，計算目標(biāo)O的各識別特征的動態(tài)熵權(quán)向量

3)利用式(8)，得到目標(biāo)O對各個類型的隸屬程度向量如下所示:

該結(jié)果與文獻［8］的結(jié)果基本一致，說明了該模型的有效性。造成識別排序在目標(biāo)類型T1和T2上不同的主要原因是文獻［8］中的集結(jié)算子權(quán)重確定方法具有一定的主觀性。同時，本文的方法計算簡便，集結(jié)算子權(quán)重確定方法上具有客觀動態(tài)賦權(quán)的優(yōu)點。

3 結(jié)語

本文建立的直覺模糊模式識別模型更好地描述了多特征模式識別問題，更具有一般性和實用性，可以推廣到一般的模式識別問題領(lǐng)域。文中針對戰(zhàn)場目標(biāo)類型識別問題，給出了一類具體的最大隸屬原則模式識別模型，通過應(yīng)用算例和比較分析，模型是可行和有效的，而且具有計算簡單，客觀動態(tài)賦權(quán)的優(yōu)點。下一步研究工作主要有:

1)在問題領(lǐng)域，將研究目標(biāo)類型與識別特征關(guān)系的直覺模糊集描述方法，建立目標(biāo)類型識別知識;

2)在方法領(lǐng)域，將研究建立基于擇近原則的直覺模糊模式識別一般模型，進一步分析各種直覺模糊熵的特點，選擇或者構(gòu)造一種符合應(yīng)用需求的直覺模糊熵。

［1］BOGLER P L.Shafer-dempster reasoning with application to multi-sensor target identification system［J］.IEEE SMC，1987，17(6):968 －977.

［2］郭桂蓉，謝維信，等.模糊模式識別［M］.長沙，國防科技大學(xué)出版社，1992.

GUO Gui-rong，XIE Wei-xin，etal.Fuzzy pattern recognition［M］.Changsha:Publishing Press Of National Science And Technology University，1992.

［3］李明軍，劉怡昕，黃先義，等.基于模糊模式識別的戰(zhàn)場目標(biāo)識別［J］.火力與指揮控制，2005，30(8):57 －60.

LING Ming-jun，LIU Yi-xin，HUANG Xian-yi，et al.Battlefield target recognition based on fuzzy pattern recognition［J］.Fire Control Command Control，2005，30(8):57－60.

［4］朱方，王付明.基于模糊信息論的空中目標(biāo)識別模型研究［J］.指揮控制與仿真，2006，28(2):109 －113.

ZHU Fang，WANG Fu-ming.Research on airtarget recognition model based on fuzzy information theory［J］.Command，Control and Simulation，2006，28(2):109 －113.

［5］ATANASSOV K T.Intuitionistic fuzzy sets［J］.Fuzzy Sets and Systems，1986，20:87 －96.

［6］XU Ze-shui.Intuitionistic fuzzy aggregation operators［J］.IEEE Transactions on Fuzzy Systems，2007，15:1179 －1187.

［7］王毅，雷英杰.一種直覺模糊熵的構(gòu)造方法［J］.控制與決策，2007，22(12):1390 －1394.

WANG Yi，LEI Ying-jie.A technique for constructing intuitionistic fuzzy entropy［J］.Control and Decision Making，2007，22(12):1390 －1394.

［8］徐永杰，李登峰，伍之前.基于直覺模糊熵和 CC-OWA算子的雷達目標(biāo)識別模型研究［J］.數(shù)學(xué)的實踐與認識，2009，39(17):86 －90.

XU Yong-jie，LI Deng-feng，WU Zhi-qian.Radar target recognition model based on entropy of intuitionistic fuzzy sets and CC － OWA operator［J］.Mathematics in Practice and Theory，2009，39(17):86 －90.

［9］李續(xù)武，李曉漫.直覺模糊熵在雷達目標(biāo)識別中的應(yīng)用［J］.航空計算技術(shù)，2007，37(4):27 －29.

LI Xu-wu，LI Xiao-man.Application of intuitionistic fuzzy entropy in radar targetrecognition［J］.Aerospace Computing Technology，2007，37(4):27 －29.

［10］XU Ze-shui.Intuitionistic fuzzy aggregation operators［J］.IEEE Transactions on Fuzzy Systems，2007，15:1179 －1187.

Intuitionistic fuzzy target type recognition model based on maximum membership degree principle

SHI Hong-quan，XU Yong-jie
(Department of Scientific Research，Dalian Naval Academy，Dalian 116018，China)

With the application of intuitionistic fuzzy sets to describe the fuzziness and intuitinism of relations between recognition feasures and target types，a corresponding intuitionistic fuzzy multi-features pattern recognition model is developed based on the maximum membership degree principle(MMDP).Considering the incompleteness of feature values and the independence among features in battlefield TTR problem，the recognition value and the intuitionistic fuzzy dynamic entroy-weight(IFDEW)for feature value are defined respectively.Furtherly，intuitionistic fuzzy multi-features TTR model are specified based on the MMDP and IFDEW.Through the comparative analysis of a practical example，our proposed model is verified to be effective and it is of importance to the artificial recognition of air target.

intuitionistic fuzzy sets;intuitionistic fuzzy pattern recognition;target type recognition;IFDEW;MMDP

TP391

A

1672－7649(2012)01－0095－04

10.3404/j.issn.1672－7649.2012.01.023

2011－03－17;

2011－04－08

史紅權(quán)(1972－)，男，碩士，副研究員，研究方向為作戰(zhàn)指揮輔助決策理論。