【技术实现步骤摘要】
本专利技术涉及雷达信号识别，具体地涉及一种基于混淆矩阵的目标层次化识别方法以及一种基于混淆矩阵的目标层次化识别装置。
技术介绍
1、随着机器学习和人工智能的迅速发展，分类模型成为了解决多目标识别任务的重要工具，混淆矩阵则用于评价分类模型的精度，将模型的分类结果显示在一个矩阵里，将模型的预测结果和实际标签进行对比。
2、目标识别混淆是指在目标分类过程中由于目标之间的相似性，可能将目标1识别成目标2，也可能会将某些本应属于不同类别的目标错误地分类到同一类别，造成目标识别混淆的原因较多，为了解决该技术问题，通过对混淆矩阵进行分析和模型改进，以解决目标识别混淆的技术问题。然而在实际应用过程中，技术人员发现现有技术至少存在如下技术问题：
3、在现有的分类模型中，当分类类别较少时，其目标分类效果较好，但当目标存在类别不确定、特征难提取及噪声数据多等情况时，识别效果欠佳。例如针对雷达信号，其具有信噪比低、数据采集难度大、回波信息中干扰较大、回波信息特征提取难度大等特点，对大大增加了多目标识别难度，无法通过常规模型优化方法解决目标混淆问题，因此无法满足实际需求。
技术实现思路
1、为了克服现有技术中存在的上述技术问题，本专利技术实施例提供一种基于混淆矩阵的目标层次化识别方法以及识别装置，通过对传统的目标识别方法进行改进，利用混淆矩阵生成带自环的有向图进行目标标签之间的混淆区分和识别，从而有效提高了对雷达信号的二次识别的精确性。
2、为了实现上述目的，本专利技术实
3、优选地，所述基于混淆矩阵生成带自环有向初始图，包括：从所述混淆矩阵中获取每个待识别雷达信号的目标标签，基于所述目标标签生成顶点集合；从所述混淆矩阵中获取存在混淆的混淆目标对，基于所述混淆目标对确定有向边集合；基于所述混淆目标对确定对应的混淆权值集合；基于所述顶点集合、所述有向边集合和所述混淆权值集合生成对应的带自环有向初始图。
4、优选地，所述对所述带自环有向初始图进行双向边处理，生成处理后图模型，包括：对所述带自环有向初始图中的双向边执行单向边映射处理，生成第一处理后图；基于所述混淆权值集合对所述第一处理后图进行优化处理，生成处理后图模型。
5、优选地，所述对所述带自环有向初始图中的双向边执行单向边映射处理，生成第一处理后图，包括：基于所述混淆权值集合获取与所述混淆目标对对应的权值对；基于所述权值对和预设经验阈值判断所述混淆目标对是否符合预设单边要求；若是，基于所述混淆目标对生成单向边，基于所述权值对生成所述单向边的单向权值，基于所述单向边和所述单向权值对所述带自环有向初始图进行调整，生成第一调整图；否则，从所述带自环有向初始图中删除与所述混淆目标对对应的双向边，生成第二调整图；将所述第一调整图或所述第二调整图作为第一处理后图。
6、优选地，所述基于所述无自环无向图和所述初始正确分类列表对所述待识别雷达信号执行多目标二次识别操作，生成对应的识别结果，包括：确定所述无自环无向图中任一顶点的相邻点；基于每个顶点的相邻点确定所有顶点的度数，根据所有顶点的度数大小生成度数由大到小顺序排列的顶点集合；基于所述初始正确分类列表依次对所述顶点集合中的每个顶点执行顶点分析处理，生成处理结果；基于所述处理结果对所述初始正确分类列表进行更新，生成针对所述待识别雷达信号的识别结果。
7、优选地，所述基于所述初始正确分类列表依次对所述顶点集合中的每个顶点执行顶点分析处理，生成处理结果，包括：依次获取当前顶点的相邻点；获取所述相邻点的间接相邻点；判断当前顶点与所述间接相邻点是否相邻；若是，生成当前顶点的第一正确分类值；否则，获取所有与所述相邻点相邻的点之间的边权值，判断当前顶点与所述相邻点之间的边权值是否大于其余边权值； 若是，生成当前顶点的第二正确分类值；否则，生成当前顶点的第三正确分类值；将所述第一正确分类值或所述第二正确分类值或所述第三正确分类值确定为处理结果。
8、相应的，本专利技术还提供一种基于混淆矩阵的目标层次化识别装置，所述装置包括：矩阵确定单元，用于确定待识别雷达信号的混淆矩阵；图生成单元，用于基于混淆矩阵生成带自环有向初始图；第一处理单元，用于对所述带自环有向初始图进行双向边处理，生成处理后图模型；表生成单元，用于基于所述处理后图模型生成初始正确分类列表；第二处理单元，用于对所述处理后图模型进行去自环处理，生成无自环无向图；二次识别单元，用于基于所述无自环无向图和所述初始正确分类列表对所述待识别雷达信号执行多目标二次识别操作，生成对应的识别结果。
9、优选地，所述图生成单元具体用于：从所述混淆矩阵中获取每个待识别雷达信号的目标标签，基于所述目标标签生成顶点集合；从所述混淆矩阵中获取存在混淆的混淆目标对，基于所述混淆目标对确定有向边集合；基于所述混淆目标对确定对应的混淆权值集合；基于所述顶点集合、所述有向边集合和所述混淆权值集合生成对应的带自环有向初始图。
10、优选地，所述第一处理单元具体用于：对所述带自环有向初始图中的双向边执行单向边映射处理，生成第一处理后图；基于所述混淆权值集合对所述第一处理后图进行优化处理，生成处理后图模型。
11、优选地，所述二次识别单元具体用于：确定所述无自环无向图中任一顶点的相邻点；基于每个顶点的相邻点确定所有顶点的度数，根据所有顶点的度数大小生成度数由大到小顺序排列的顶点集合；基于所述初始正确分类列表依次对所述顶点集合中的每个顶点执行顶点分析处理，生成处理结果；基于所述处理结果对所述初始正确分类列表进行更新，生成针对所述待识别雷达信号的识别结果。
12、通过本专利技术提供的技术方案，本专利技术至少具有如下技术效果：
13、通过对传统方法进行改进，在现有技术中采用的混淆矩阵的基础上，进一步对其进行图处理，建立带自环和有向的图模型，并对目标标签之间的相互关系进行优化处理，从而实现更好的标签区别效果，有效提高了目标的二次识别精确性，满足了实际需求。
14、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种基于混淆矩阵的目标层次化识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于混淆矩阵生成带自环有向初始图，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述带自环有向初始图进行双向边处理，生成处理后图模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述带自环有向初始图中的双向边执行单向边映射处理，生成第一处理后图，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述无自环无向图和所述初始正确分类列表对所述待识别雷达信号执行多目标二次识别操作，生成对应的识别结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述初始正确分类列表依次对所述顶点集合中的每个顶点执行顶点分析处理，生成处理结果，包括：
7.一种基于混淆矩阵的目标层次化识别装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述图生成单元具体用于：
9.根据权利要求8所述的装置，其特征在于，所述第一处理单元具体用于：
10.根据权利要求7所述的装置，其特征在于，所述二次识别单元具体用于：
...【技术特征摘要】
1.一种基于混淆矩阵的目标层次化识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于混淆矩阵生成带自环有向初始图，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述带自环有向初始图进行双向边处理，生成处理后图模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述带自环有向初始图中的双向边执行单向边映射处理，生成第一处理后图，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述无自环无向图和所述初始正确分类列表对所述待识别...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。