CN111580083A - 基于决策树的飞行目标威胁度识别方法、系统和存储介质 - Google Patents
基于决策树的飞行目标威胁度识别方法、系统和存储介质 Download PDFInfo
- Publication number
- CN111580083A CN111580083A CN202010366592.4A CN202010366592A CN111580083A CN 111580083 A CN111580083 A CN 111580083A CN 202010366592 A CN202010366592 A CN 202010366592A CN 111580083 A CN111580083 A CN 111580083A
- Authority
- CN
- China
- Prior art keywords
- target
- flight
- decision tree
- data
- threat degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于决策树的飞行目标威胁度识别方法、系统和存储介质,其中方法包括以下步骤:获取雷达数据,所述雷达数据包括若干个飞行目标的起批数据;根据起批数据对飞行目标的记录表进行更新处理,以及对起批数据进行规范化处理;结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果。本发明通过从获取雷达数据,对雷达数据进行规范化处理后,再由决策树模型进行威胁度识别,输出识别结果,能够有效地辅助管理人员对低空安防的管理,可广泛应用于探测雷达数据处理和低空安防技术领域。
Description
技术领域
本发明涉及探测雷达数据处理和低空安防技术领域,尤其涉及一种基于决策树的飞行目标威胁度识别方法、系统和存储介质。
背景技术
“低慢小”飞行目标(如航空器)是指具有“低空超低空飞行,飞行速度较慢,不易被雷达发现”等全部或部分特征的航空器和空飘物。所述“低慢小”,全称为“低空、慢速、小型飞行目标(如无人机)”,飞行高度一般在1000米以下,速度较慢,雷达反射面积小;飞行速度一般小于200公里每小时,雷达反射面积(RCS)小于1平方米;所以“低慢小”飞行目标带来了低空安防领域的管控难、侦测难和处置难的问题。
目前在国内的低空安防领域,针对发展无序、无监管滥飞的“低慢小”飞行目标,比较通用的方法是采用探测雷达设备系统或无线电定位设备系统等传感设备系统进行低慢小飞行目标的距离、速度和方位等参数进行扫描。但是由于“低慢小”飞行目标低空飞行、航迹变化快,因此需要在较短的时间内对“低慢小”飞行目标做出判断,而一般的雷达设备只能进行数据扫描,并不对飞行目标的威胁进行识别,需要靠人工进行识别,不利于管理。
发明内容
为了解决上述技术问题,本发明的目的是提供一种基于决策树的飞行目标威胁度识别方法、系统和存储介质。
本发明所采用的技术方案是:
一种基于决策树的飞行目标威胁度识别方法,包括以下步骤:
获取雷达数据,所述雷达数据包括若干个飞行目标的起批数据;
根据起批数据对飞行目标的记录表进行更新处理,以及对起批数据进行规范化处理;
结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果。
进一步,所述起批数据包括目标航向角、目标距离和目标航向速度,所述对起批数据进行规范化处理,包括:
采用隶属度函数对起批数据内的参数进行无量纲化处理,获得目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值;
所述目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值约束在0-1之间的无量纲数据内。
进一步,所述目标航向速度的隶属值的计算步骤为:
结合目标航向速度和第一预设公式获取目标航向速度的隶属值;
所述第一预设公式为:
其中,v为目标航向速度,u(v)的值在[0.1,1]之间。
进一步,所述目标距离的隶属值的计算步骤为:
结合目标距离和第二预设公式获取目标距离的隶属值;
所述第二预设公式为:
其中,r为目标距离,d(r)的值在[0,1]之间。
进一步,所述目标航向角的隶属值的计算步骤为:
结合目标航向角和第三预设公式获取目标航向角的隶属值;
所述第三预设公式为:
其中,θ为目标距离,a(θ)的值在[0,1]之间。
进一步,所述决策树模型内设有判断条件,根据所述判断条件将威胁度分为多个等级,所述结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果,包括:
将目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值输入决策树模型;
决策树模型根据判断条件进行识别,获得飞行目标的威胁度等级,输出威胁度识别结果。
进一步,所述起批数据包括起批号,所述根据起批数据对飞行目标的记录表进行更新处理,包括:
根据起批号判断记录表中是否存有对应的飞行目标的参数,若存有,根据起批数据更新飞行目标的参数;反之,根据起批数据在记录表中增加飞行目标的参数。
本发明所采用的另一技术方案是:
一种基于决策树的飞行目标威胁度识别系统,包括:
数据采集模块,用于获取雷达数据,所述雷达数据包括若干个飞行目标的起批数据;
数据处理模块,用于根据起批数据对飞行目标的记录表进行更新处理,以及对起批数据进行规范化处理;
识别模块,用于结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果。
本发明所采用的另一技术方案是:
一种基于决策树的飞行目标威胁度识别系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上所述方法。
本发明所采用的另一技术方案是:
一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行如上所述方法。
本发明的有益效果是:本发明通过从获取雷达数据,对雷达数据进行规范化处理后,再由决策树模型进行威胁度识别,输出识别结果,能够有效地辅助管理人员对低空安防的管理。
附图说明
图1是实施例中一种基于决策树的飞行目标威胁度识别方法的步骤流程图;
图2是实施例中一种基于决策树的飞行目标威胁度识别系统的结构框图;
图3是实施例中决策树识别威胁度等级的流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
如图1所示,本实施例提供了一种基于决策树的飞行目标威胁度识别方法,用于上位机,包括以下步骤:
S1、获取雷达数据,所述雷达数据包括若干个飞行目标的起批数据。
所述雷达数据为从雷达设备上获取的数据,该雷达数据内包含了若干个被侦察的飞行目标的起批数据;所述起批数据为雷达设备侦察后确定的一个飞行目标的一组侦察参数,表征该飞行目标的基本情况;所述起批数据包括目标航向角、目标距离、目标航向速度、雷达截面积(简称RCS)等值。在本实施例中,所述雷达数据可通过采用UDP/IP方式中断接收探测雷达的侦察结果来获得。所述上位机为一般具有数据处理能力的设备,比如电脑或服务器,在此并不做限定。其中,所述目标航向角为飞行目标飞行航向的方位角;所述目标距离为飞行目标距离警戒区域中心的距离;所述目标航向速度为飞行目标飞行航向的速度;所述RCS(Radar Cross Section)为飞行目标的雷达反射截面积。
S2、根据数据获取模块对飞行目标的记录表进行更新处理,以及对起批数据进行规范化处理。
接收到起批数据后,进行数据更新操作,具体为:根据起批号判断记录表中是否存有对应的飞行目标的参数,若存有,根据起批数据更新飞行目标的参数;反之,根据起批数据在记录表中增加飞行目标的参数。所述起批号为对一组起批数据设定的一个流水号。
更新完记录表中的数据后,进行数据规范化处理,具体包括以下步骤:
采用隶属度函数对起批数据内的参数进行无量纲化处理,获得目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值;
所述目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值约束在0-1之间的无量纲数据内。
威胁评估的指标,原始数据有定性也可以有定量的,并且具有不同的量纲和数量级,这对飞行目标的威胁判别产生不利影响,所以在威胁判别前,有必要对作为判别指标的原始参数进行规范化处理,使其值变化范围约束在0~1之间的无量纲数据里。可采用隶属度函数进行数据规范化处理,也可采用其他函数进行数据规范化处理。具体目标航向角、目标距离和目标航向速度的处理如下:
(1)、目标航向速度值判断指标处理,由于飞行目标的飞行速度越快,威胁度越大,采用上升指数对目标航向速度进行处理。具体为:结合目标航向速度和第一预设公式获取目标航向速度的隶属值。所述第一预设公式如下:
其中,v为目标航向速度,单位为米/秒,v值越大,目标航向隶属值u(v)值越大;u(v)值在[0.1,1]之间。
(2)、目标距离值判断指标处理,由于飞行目标离安防区中心越近,威胁度越高,假设安防区分为三个区域,由远到近依次为警戒区、预警区和处置区,警戒区距离设置为1km,则目标距离隶属度值的计算公式为:
其中,r为目标距离,单位为米,r值在大于1000m的区间时,r值越小,d(r)值越大,d(r)值在[0,1]之间。
(3)、目标航向角判断指标处理,飞行目标与警戒区中心点的连线为基准,顺时针为正,范围为[-180°,180°],航向的绝对值越小,威胁度越大。采用标准正态分布函数进行换算。目标航向角的隶属度值的计算公式为:
其中,θ为目标距离,单位为度,θ=0时,a(θ)值等于1,θ的绝对值越大,a(θ)值越小,a(θ)值在[0,1]之间。
S3、结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果。
对起批数据进行规范化处理后,可有决策树模型对范化处理后的起批数据进行识别。在将决策树模型用于识别前,需先确定在决策树中使用到的判断依据,在本实施例中,根据安防区域的实际情况,判断依据划分如下:
(1)、将目标航向速度的隶属度u(v)值分为两个区域,以U={u1=0.9}为判断值,小于u1的,对应飞行目标速度低,大于u1的,对应飞行目标速度大。
(2)、将目标距离的隶属值分为三个判断区域,以D={d1=1,d2=0.35,d3=0.15}三个值为界,d1对应的飞行目标离安防区域中心点最近,d2次之,d3对应的飞行目标离安防区域中心点距离最远。
(3)、将目标航向角的隶属度分为两个区域,以A={a1=0.6}值为判断值,小于a1的,对应航向角大,大于a1的,对应航向角小。
(4)、将决策树识别的威胁度分为四级:P={A级、B级、C级、D级},其中A级的威胁度最高,B级次之,D级的威胁度最低,每个级别对应不同的针对飞行目标的处置方案。
在设置好上述的判断依据后,当将起批数据输入决策树模型时,自动输出威胁度的识别结果,具体包括步骤S31-S32:
S31、将目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值输入决策树模型;
S32、决策树模型根据判断条件进行识别,获得飞行目标的威胁度等级,输出威胁度识别结果。
参照图3,1)当飞行目标的距离隶属度值d(r)跟D中的d1进行比较,当d(r)=d1时(飞行目标在处置区),说明飞行目标离安防区域较近,飞行目标的威胁度为A级,威胁度最高,直接输出威胁度的级别;2)当d2≤d(r)<d1时(飞行目标在预警区),判断a(θ)>a1是否成立,若成立,说明飞行目标直接向着安防区域飞行,则飞行目标的威胁度为A级;反之,说明飞行目标并不是直接向着安防区域飞行,则飞行目标的威胁度为B级;3)当d3≤d(r)<d2时(飞行目标在警戒区),飞行目标的威胁度为C级。4)当d(r)<d3时,判断a(θ)>a1是否成立,若成立;继续判断u(v)>u1是否成立,若成立,飞行目标的威胁度为C级;反之,飞行目标的威胁度为D级。当d(r)<d3且a(θ)<a1时,说明飞行目标距离远且并不直接飞行安防区域,所以飞行目标的威胁度为D级。
当上位机获得上述的威胁度等级后,可根据威胁度等级进行提示,比如当威胁度为A级时,直接发出一级警报(比如警铃报警);当威胁度为B级时,语音提示有飞行目标进入预警区;当威胁度为C级时,显示屏上高亮显示对应飞行目标的数据;当威胁度为D级时,持续跟踪该飞行目标的数据。
如图2所示,本实施例还提供了一种基于决策树的飞行目标威胁度识别系统,包括:
数据采集模块,用于获取雷达数据,所述雷达数据包括若干个飞行目标的起批数据;
数据处理模块,用于根据起批数据对飞行目标的记录表进行更新处理,以及对起批数据进行规范化处理;
识别模块,用于结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果。
本实施例的一种基于决策树的飞行目标威胁度识别系统,可执行本发明方法实施例所提供的一种基于决策树的飞行目标威胁度识别方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本实施例还提供了一种基于决策树的飞行目标威胁度识别系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上所述方法。
本实施例的一种基于决策树的飞行目标威胁度识别系统,可执行本发明方法实施例所提供的一种基于决策树的飞行目标威胁度识别方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行如上所述方法。
本实施例的一种存储介质,可执行本发明方法实施例所提供的一种基于决策树的飞行目标威胁度识别方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
可以理解的是,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (10)
1.一种基于决策树的飞行目标威胁度识别方法,其特征在于,包括以下步骤:
获取雷达数据,所述雷达数据包括若干个飞行目标的起批数据;
根据起批数据对飞行目标的记录表进行更新处理,以及对起批数据进行规范化处理;
结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果。
2.根据权利要求1所述的一种基于决策树的飞行目标威胁度识别方法,其特征在于,所述起批数据包括目标航向角、目标距离和目标航向速度,所述对起批数据进行规范化处理,包括:
采用隶属度函数对起批数据内的参数进行无量纲化处理,获得目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值;
所述目标航向角的隶属值、目标距离的隶属值和目标航向速度的隶属值约束在0-1之间的无量纲数据内。
6.根据权利要求2所述的一种基于决策树的飞行目标威胁度识别方法,其特征在于,所述决策树模型内设有判断条件,根据所述判断条件将威胁度分为多个等级,所述结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果,包括:
将目标航向角的隶属值、目标距离的隶属值、目标航向速度的隶属值输入决策树模型;
决策树模型根据判断条件进行识别,获得飞行目标的威胁度等级,输出威胁度识别结果。
7.根据权利要求1所述的一种基于决策树的飞行目标威胁度识别方法,其特征在于,所述起批数据包括起批号,所述根据起批数据对飞行目标的记录表进行更新处理,包括:
根据起批号判断记录表中是否存有对应的飞行目标的参数,若存有,根据起批数据更新飞行目标的参数;反之,根据起批数据在记录表中增加飞行目标的参数。
8.一种基于决策树的飞行目标威胁度识别系统,其特征在于,包括:
数据采集模块,用于获取雷达数据,所述雷达数据包括若干个飞行目标的起批数据;
数据处理模块,用于根据起批数据对飞行目标的记录表进行更新处理,以及对起批数据进行规范化处理;
识别模块,用于结合规范化处理后的起批数据和决策树模型对飞行目标进行威胁度识别,获得威胁度识别结果。
9.一种基于决策树的飞行目标威胁度识别系统,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现权利要求1-7任一项所述的一种基于决策树的飞行目标威胁度识别方法。
10.一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366592.4A CN111580083B (zh) | 2020-04-30 | 2020-04-30 | 基于决策树的飞行目标威胁度识别方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366592.4A CN111580083B (zh) | 2020-04-30 | 2020-04-30 | 基于决策树的飞行目标威胁度识别方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111580083A true CN111580083A (zh) | 2020-08-25 |
CN111580083B CN111580083B (zh) | 2023-10-10 |
Family
ID=72124630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010366592.4A Active CN111580083B (zh) | 2020-04-30 | 2020-04-30 | 基于决策树的飞行目标威胁度识别方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111580083B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5428530A (en) * | 1992-05-05 | 1995-06-27 | Kaman Sciences Corporation | Airborne reactive threat simulator |
JP2014510908A (ja) * | 2011-02-21 | 2014-05-01 | オート・メラーラ ソシエタ ペル アテオニ | 所定領域における脅威の識別および無効化のための電子システム |
CN104050329A (zh) * | 2014-06-25 | 2014-09-17 | 哈尔滨工程大学 | 一种检测船舶碰撞危险度的方法 |
CN106650250A (zh) * | 2016-12-14 | 2017-05-10 | 中国人民解放军军械工程学院 | 基于等效评价因子的红外多目标威胁排序方法 |
CN107729942A (zh) * | 2017-10-23 | 2018-02-23 | 西南交通大学 | 一种结构化视图缺失数据的分类方法 |
CN110598730A (zh) * | 2019-07-29 | 2019-12-20 | 南京理工大学 | 基于决策树的航迹关联算法 |
-
2020
- 2020-04-30 CN CN202010366592.4A patent/CN111580083B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5428530A (en) * | 1992-05-05 | 1995-06-27 | Kaman Sciences Corporation | Airborne reactive threat simulator |
JP2014510908A (ja) * | 2011-02-21 | 2014-05-01 | オート・メラーラ ソシエタ ペル アテオニ | 所定領域における脅威の識別および無効化のための電子システム |
CN104050329A (zh) * | 2014-06-25 | 2014-09-17 | 哈尔滨工程大学 | 一种检测船舶碰撞危险度的方法 |
CN106650250A (zh) * | 2016-12-14 | 2017-05-10 | 中国人民解放军军械工程学院 | 基于等效评价因子的红外多目标威胁排序方法 |
CN107729942A (zh) * | 2017-10-23 | 2018-02-23 | 西南交通大学 | 一种结构化视图缺失数据的分类方法 |
CN110598730A (zh) * | 2019-07-29 | 2019-12-20 | 南京理工大学 | 基于决策树的航迹关联算法 |
Non-Patent Citations (1)
Title |
---|
杨瑞朋 等: "基于决策树的空中目标威胁分类研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN111580083B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062516B (zh) | 低空空域管控方法、装置及系统 | |
CN105405176B (zh) | 电子不停车系统及其处理方法、控制器、路侧单元 | |
CN109284801B (zh) | 交通指示灯的状态识别方法、装置、电子设备及存储介质 | |
CN112183367B (zh) | 车辆数据检错方法、装置、服务器及存储介质 | |
CN111596277B (zh) | 基于模糊综合评价法的飞行目标威胁度识别方法及系统 | |
CN105976620A (zh) | 一种车速监控方法以及装置 | |
CN113076899B (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
US8564457B2 (en) | Method and a system for characterizing and counting violations of a threshold by an aircraft engine operating parameter | |
CN114926808A (zh) | 一种基于传感器融合的目标检测及追踪方法 | |
WO2021057324A1 (zh) | 数据处理方法、装置、芯片系统及介质 | |
CN114627394B (zh) | 一种基于无人机的渣土车套牌识别方法及系统 | |
CN114139373B (zh) | 一种面向无人机反制车的多传感器自动协同管理方法 | |
CN111413681B (zh) | 基于熵权法的飞行目标威胁度识别方法、系统和存储介质 | |
CN111580083B (zh) | 基于决策树的飞行目标威胁度识别方法、系统和存储介质 | |
CN113887391A (zh) | 用于识别路面标识的方法、装置以及自动驾驶车辆 | |
CN114067224A (zh) | 一种基于多传感器数据融合的无人机集群目标数量检测方法 | |
CN110471056B (zh) | 一种虚警信息判断方法、装置及终端设备 | |
CN114355960B (zh) | 一种无人机防御智能决策方法及系统、服务器及介质 | |
CN112896160A (zh) | 交通标志信息获取方法及相关设备 | |
CN111413680B (zh) | 基于层次分析法的飞行目标威胁度识别方法、系统及装置 | |
CN113721240B (zh) | 一种目标关联方法、装置、电子设备及存储介质 | |
CN110378388B (zh) | 飞行物识别方法、装置、计算机可读存储介质及终端设备 | |
CN114445669A (zh) | 一种烟火告警方法、装置、电子设备及存储介质 | |
CN110909668B (zh) | 目标检测方法、装置、计算机可读存储介质和电子设备 | |
CN111880576A (zh) | 基于视觉的无人机飞行控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |