段同乐，张冬宁

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)



二叉树多分类SVM在目标分群中的应用

段同乐，张冬宁

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

摘要为了解决目标分群问题，在研究目标关键属性的基础上，提出一种基于二叉树多分类支持向量机(SVM)的目标分群方法。介绍了基于统计学习理论的支持向量机方法的基本原理和算法本身的理论优势，由于支持向量机的本质是解决二分类问题的，因此如何建立支持多分类的支持向量机是研究的关键。采用基于二叉树的多分类支持向量机算法，建立了解决目标分群问题的算法模型，将分类器分布在各个节点上，从而构成了多分类的支持向量机。将算法进行软件实现，并利用模拟数据对支持向量机进行了训练，调整支持向量机参数，得到了较好的分群结果，证明了该方法的有效性。

关键词目标分群；二叉树；支持向量机；统计学习理论

0引言

目标分群是二级数据融合的关键步骤。在综合考虑目标位置、属性和运动状态等信息的基础上，将类型相近、运动状态相近、执行相同任务或具有相同威胁的目标进行合并，简化对象域情况，给指挥员提供简单明了的视图[1]。

分群的基本思想是对可用数据进行分组,目前已经有很多目标分群方法研究[2]，如层次聚类、K均值动态聚类和神经网络等，这些方法共同的理论基础之一是统计学。传统统计学研究的是样本数目趋于无穷大时的渐进理论，但在实际问题中，数据样本往往是有限的。……