[发明专利]一种提高噪声雷达数据分类效率的方法

权利要求书

1.一种提高噪声雷达数据分类效率的方法，该方法基于二阶锥规划方法，依据目标数据优化问题中约束条件的锥特性，将约束条件逐一转换为二阶锥约束；

该方法具体包括如下步骤：

步骤一：输入雷达样本数据{x₁,...,x_n}以及标号集{y₁,...,y_n}，其中x_i∈R^m，i＝1,...,n，y_i∈{-1,1}，i＝1,...,n，1表示数据属于正类，-1表示数据属于负类；初始变量值α₀＝[1,...1]^T，预设容忍度ε＝10^-3，初始海森矩阵H_k＝E；

步骤二：添加自由变元t,t,r,τ,σ,υ，并赋初值t＝[1,...,1]^T，t＝0，r＝0，τ＝0，σ＝0，υ＝0，生成二阶锥约束；在本步骤中，按如下方式生成二阶锥约束：

步骤三：带入初值，并求解如下最小化问题：

minα,t,t,r,τ,σ,υt]]>

s.t.  y^Tα＝0,r≥ρ^Tα,υ≥τ+e^Tt,

α,τ≥0,υ-2e^Tα-t≤0,

σ≤1,σ+τ≥||2rσ-τ||,]]>

1-σ+eTt≥||2D0α1-σ-eTt||,]]>

其中，t,r,τ,σ,υ∈R，ρ＝[ρ₁,...,ρ_n]^T，D₀＝[x₁,...,x_n]Λ，Λ＝diag(y)，y＝[y₁,...,y_l]^T；e为单位向量；求解采用梯度下降方式迭代计算，具体为：在第k步迭代中，优化目标变量的更新方向为λ_k，λ_k通过线性规划过程得到；更新步长为P_k，计算P_k要用到H_k值和g_k值，g_k为当前目标函数梯度值；更新完X_k后，需计算H_k+1的值，用于下次迭代过程，E为单位矩阵，所需计算公式如下：

步骤四：若有当前目标函数梯度的下降值ψ_k小于预设的收敛容忍度，则步骤终止，得到结果；否则返回步骤三进行下一次迭代。