[发明专利]一种利用梯度下降和夹角余弦的联合簇标定方法

权利要求书

1.一种利用梯度下降和夹角余弦的联合簇标定方法，其特征在于：步骤如下：

步骤1：将雷达信号的脉宽PW、载频CF、到达方向DOA组成P＝{p₁,p₂,...p_k...,p_N}，N为脉冲信号个数，p_k包含多维参数且在雷达信号分选中对应雷达信号的脉宽PW、载频CF、到达方向DOA；

步骤2：设置参数C和q的值，其中C为支持向量中求解最小超球体的软边界参数，q为高斯核函数的宽度参数；

步骤3：利用高斯核函数将数据P映射到高维超球体中，根据高维空间数据的分布，将数据P分成两类：

第一类位于高维超球体的表面称为支持向量点，用集合表示，其中n₁为支持向量的数目，第二类位于超球体的内部，称为非支持向量点，用集合表示，其中n₂为非支持向量点数的个数；

步骤4：设置更新系数lr和误差值err；

步骤5：对剩余的非支持向量点进行处理，判断其局部聚类中心；

步骤6：对局部聚类中心点计算，则可判断所有数据的归属：

取G中任意两点g_k和g_h，判断g_k和g_h是否属于同一聚类中心：在两点之间直线路径上采样M个点，M取值一般在10～20之间，若存在一个采样点s，带入公式|Φ(s)-a|的值大于超球体半径R，则认为g_k和g_h属于不同聚类中心。

2.根据权利要求1所述的一种利用梯度下降和夹角余弦的联合簇标定方法，其特征在于：步骤4具体包括：

以支持向量点为初始点求梯度值，以支持向量点a_k为初始点x₀，根据公式：

得出梯度值x^*，

其中G(x)^-1为跟新系数lr，更新x₀＝x₀-x^*，得到新x₀，直到第N次的梯度值与第N-1次的梯度值差的绝对值小于err时，停止更新；称第N次得到的x₀是支持向量点a_k的局部聚类中心点，遍历集合A中所有的点，得到一系列对应的局部聚类中心点的集合将集合A中局部聚类中心点为g_k的支持向量点抽取出构成集合则集合称E的局部聚类中心点为g_k。

3.根据权利要求2所述的一种利用梯度下降和夹角余弦的联合簇标定方法，其特征在于：步骤5具体包括：

任取一点b_k，若其属于局部聚类中心g_k，则在g_k对应的集合中必存在点e_k，构造向量和向量利用公式得到向量和向量的夹角余弦值，得到的余弦值是其他点按同样的方法构造出的向量所计算出的余弦中最大的，且b_kg_k的模小于向量e_kg_k的模；将点b_k补充到其局部中心点g_k对应的集合中，遍历集合中所有的点，将其中的点归属到其聚类中心点对应的集合中。