我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:满堂彩 > 化装侦察 >

数据挖掘在通信侦察信号处理中的应用

归档日期:09-21       文本归类:化装侦察      文章编辑:爱尚语录

  数据挖掘在通信侦察信号处理中的应用_IT/计算机_专业资料。简介数据挖掘的基本知识和数据挖掘的两种主要模式,联机分析处理(OLAP)和数据挖掘的计算智能方法,最后给出了数据挖掘在一个实际的通信侦察信号处理的应用实例。

  维普资讯 4 0 航天 电子 对抗 ,0 2 4 20 () 数 据 挖 掘 在 通 信 侦 察 信 号 处 理 中 的 应 用 徐 济 仁 , 子 发 钟 ( 放 军 电子 工 程 学 院 , 肥 解 合 2 03 ) 3 0 7 摘 要 : 简介数 据挖 掘的基 本知 识和数 据挖 掘 的两种 主要模 式 : 机 分析 处 理 ( AP 和 联 OL ) 数 据挖 掘 的计 算智 能方 法 , 最后 给 出了数 据挖掘 在一 个 实际的通 信侦 察信 号 处理 的应 用 实例 。 关键词 : 数据 挖掘 ( D) 联机 分析 处理 ( AP ; KD ; OL ) 计算 智能 方法 中 图分类 号 : T 7 N9 5 文献 标识 码 : A 有 哪些 主要 因素会 影响 到 电台 的异 常 分布 ? 由此 1 引 言 数据 发掘 ( D) 科 学发 现 的意义 , 不 言 KD 对 是 可 见 , 者主要 是 在 数 据 库管 理 系统 功 能 的基 础 前 上 的 0 AP, L 就是 所谓 “ 证 驱 动 ” 验 的数 据 发 掘 技 术 途径 ; 后者则 是 着 眼 于 发 现大 量 数 据 记 录 中潜 而喻 的 。事 实上 , 学 家们通 过观 测 、 科 实验发 现定 理 、 律 或新 事物 的过 程 , 可 以说 是 一种数 据发 规 就 在 的有用 信息 , 于 所谓 “ 现 驱 动 ” 属 发 的数 据 发 掘 技术途径 。就 其实 质而 言 , D与各 种 机 器学 习 KD 方 法密 切相关 , 通过 观察 / 如 发现 学 习 、 比学 习 、 类 掘过 程 。在现 代计 算机 问世 很早 以前 。从发 现九 大行 星及 开普 勒定 律 , 再到 理想气 体定 律 、 发现 从 欧姆 定理 到 高分 子 材 料 的分 子 结 构 , 不是 一 个 无 根 据实例 学 习( B 等 归纳 或分析 学 习方 法和 计 C R) 算 智能方 法 。 从大 量长 期 积累 的观测 实验 数据 中发 现新知 识 的 过程 。计算 机 的应 用 、 其 是 人 工智 能 技 术 的发 尤 展, 为科 学 发现 提供 了高科 技手 段 。 按 照数 据发 掘 的 深 度 , 大体 上可 以分 为 两 个 联 机 分 析 处 理 ( AP 是 一 种 数 据 分 析 技 OL ) 2 联 机 分 析 处理 与 数 据 挖 掘 的 任 务 层 次 。在 较 浅 的层 次 上是 利用 现有数 据库 管理 系 统 的查 询/ 索 、 表 功 能 与多 维 分 析 、 计分 析 检 报 统 方 法相 结 合 , 行 所 谓 联 机 ( 在 线 ) 析 处 理 进 或 分 ( AP , 而 得 出可 供 决 策 参 考 的 统计 分 析 数 OL ) 从 据 。在 较深 层 次 上 , 是要 求 从 数 据 库或 大 量 数 据 记 录 中发现 隐含 的 、 所未 有 的知识 。严格 说来 , 前 L OAP不 属于 数据 发掘 的范 畴 。但是 就决 策支 持 的需 要 而 言 , 者可 起到 相辅 相成 的作用 。而 且 , 二 二 者所 能 解 答 的 问题 也有 所 不 同 。例 如 : AP OL 术, 能完 成基 于 某种 数 据 存 储 结 构 的 数据 分 析 功 能, 并具 有快 速性 、 分析性 、 可 多维性 等 特点 , 维 多 结构是 oL AP的核心 , 多维 分 析 是分 析 企 业 数 据 的最 有效 的方法 。 数据 挖掘是 从 大型数 据 库 的数 据 中提 取人 们 感兴趣 的知识 , 这些 知识 是隐 含 的 、 知 的和潜 在 未 的有 用信 息 。被 提 取 的知 识 可 表 示 为 概 念 ( o — C n eps 、 则 ( ls 、 律 ( e uai e ) 模 式 e t) 规 Rue ) 规 R g lr is 、 t ( atrs 等形 式 。数 据挖 掘 的对 象 可 以是 任 何 P ten ) 组织 在一 起 的数据 集合 , 最新 的对 象是 数 据仓 库 , 它 为数据 挖掘 提供 了广 阔 的活 动 空 间 , 完 成 数 并 将 能 回答这 样 的问题 , 年 A地 和 B地 的电 台各 去 是 多少 , 里 的 电 台数 量 更 大 ?大 多 少 ?而 数 据 哪 发 掘则 能 回答 更 深一 层 、 为广 泛 的 问题 , 如 : 更 例 据 的收集 、 集成 、 存储 和 管理 等工 作 。数据 挖 掘面 对 的是经 初步 加 工 的数 据 , 这使 得 数 据 挖 掘 更 专 注于 知识 的发 现 ; 另一 方面 , 数据 仓 库 的新特 点 又 收 稽 日期 t 0 2 I 6 20 —0 2 0 —0 一0 0 2 4—0 6修 回 。 对 数据挖 掘 技 术 提 出 了更 高 的要 求 。 因此 , 据 数 维普资讯 数 据挖 掘 在通信 侦察 信号 处 理 中的应用 4 1 挖 掘技 术想 充分 发 挥潜 力就 必须 和数据 仓库 的发 展 相结 合 。 数 据挖 掘 过程 一般 由三 个 主要 阶段 组 成 : ① 多 载 体 情 报 数 据 输 入 数 据 准备 、 掘操 作 、 果 表 达 和解 释 ; 知 识发 挖 结 ② 现 ( 不 一定 一次 就 能 完成 ) ③ 可 描 述 这 三个 阶 并 ; 段 的多次 反复 。数 据质 量和 挖掘 的智 能程度 直接 影响数

本文链接:http://stievogtr.com/huazhuangzhencha/589.html