直觉模糊多特征融合目标类型识别模型

史红权，徐永杰

(海军大连舰艇学院科研部，辽宁 大连 116018)

直觉模糊多特征融合目标类型识别模型

史红权，徐永杰

(海军大连舰艇学院科研部，辽宁 大连 116018)

应用直觉模糊集完整描述目标识别特征与类型关系之间的模糊性和犹豫性，建立基于最大隶属原则的直觉模糊多特征模式识别的一般识别模型;针对战场目标类型识别问题中特征值不完全和识别特征之间独立的特点，定义了识别特征值识别价值测度和直觉模糊动态熵权，进而建立了基于最大隶属原则和动态熵权的多特征直觉模糊目标类型识别模型;通过应用实例计算与对比，说明提出的模型是有效的;所建立的模型对空中目标类型智能识别具有一定参考价值。

直觉模糊集;模式识别;目标类型识别;直觉模糊动态熵权;最大隶属原则

0 引言

目标类型识别作为水面舰艇作战指挥过程的一个重要内容，是威胁估计和态势分析的前提，也是进行作战指挥决策的重要依据。目标类型识别可以理解为充分利用多个信息源资源，将各种目标特征信息依据某种准则来进行组合，以获得准确可靠的目标类型估计［1］。

目标类型识别问题本质上是一类多特征模式识别问题，模糊模式识别在目标识别领域已经有比较成功的应用［2－4］。然而，模糊集理论单一隶属度无法充分描述目标识别特征的不确定性，不能完整地描述目标类型与识别特征之间的犹豫性。直觉模糊集［5］(与vague集等价)在这方面由于同时考虑隶属度、非隶属度和犹豫度，可以完整表达这一类识别知识。因此，直觉模糊集更适合于描述目标识别知识，直觉模糊模式识别能为目标类型识别问题提供有效的方法。

现代海战场目标类型识别问题与一般模式识别问题相比具有其特殊性，主要表现为识别特征多、识别信息模糊性、不确定性强。目前，尚无从直觉模糊模式识别角度研究战场目标类型识别问题的文献。本文首先指出现有的直觉模糊模式识别模型的不足，建立多特征直觉模糊模式识别的一般模型;进而针对目标类型识别问题的特殊性，研究建立直觉模糊多特征融合目标识别模型。

1 直觉模糊模式识别的一般模型

模糊模式识别方法可分为基于最大隶属原则的方法、基于择近原则的方法和基于模糊聚类的方法3类。本文的出发点是应用基于最大隶属原则的多特征直觉模糊模式识别方法研究战场目标类型识别问题。

1.1 预备知识

定义1［5］设X是1个给定论域，则X上的1个直觉模糊集A为:

其中，μA(x):X→［0，1］和vA(x):X→［0，1］分别代表A的隶属度函数μA(x)和非隶属度函数νA(x)，且对于A上的任意x∈X，都有0≤μA(x)+νA(x)≤1成立，而且称πA(x)=1－μA(x)－νA(x)为x对A的犹豫度。

IFS(X)表示论域在X上的直觉模糊集的全体。为方便称 ＜x，μ(x)，ν(x)＞为直觉模糊集A的1个直觉模糊元，称 ＜μ(x)，ν(x)＞为x∈X的直觉模糊值，称Θ为全体直觉模糊值的集合。因此，当X上只有1个元素时，直觉模糊集可简记为a=＜μa，νa＞，μa，νa∈［0，1］，μa+ νa≤1，此时，X 上的所有直觉模糊集也可由Θ表示。

定义 2［6］设 aj= ＜ μj，vj＞ (j=1，…，n)为 1组直觉模糊值，若映射IFWA:Θn→Θ，则

直觉模糊熵是直觉模糊集不确定性的测度，这里采用文献［7］构造的一种直觉模糊熵。

定义 3［7］直觉模糊集 A={＜ x，μA(x)，γA(x)＞|x∈X}的熵E(A)是一个实值函数，E(A):A→［0，1］。

1.2 直觉模糊多特征模式识别一般模型

假设待识别对象B的各个特征值都是确定的，即待识别对象B可以用1个特征向量表示为:fB=(fB1，fB2，…，fBm)T，则待识别对象 B 隶属于模式的特征直觉模糊值向量:

由上述定义可以看出，集结函数有多种选择，可以是直觉模糊值到直觉模糊值的映射，也可以是直觉模糊值到实数区间［0，1］的映射。可以采用取大取小算子，加权平均算子等，因此，最大隶属原则的模式识别模型的关键问题是选择合适的集结函数，不同的集结函数将构成不同的具体的直觉模糊模式识别方法。从这个意义上讲，文献［8］中的识别方法是直觉模糊模式识别模型的1个特例。

2 多特征直觉模糊模式识别在目标类型识别中应用

在海战场目标类型识别等现实模式识别领域问题中，由于战场环境和传感器可靠性等因素，只能得到待识别对象的一部分特征。下面给出一个具体的应用直觉模糊模式识别模型的目标类型识别方法。

2.1 基于直觉模糊动态熵权的目标类型识别模型

基于上一节中的直觉模糊模式识别一般模型，将目标类型作为已知模式，将战场目标作为待识别对象。不妨假设某个识别周期内，测得前l个特征值，则待识别目标B在各个类型的隶属直觉模糊值向量构成直觉模糊值矩阵MB如下:

矩阵MB的第j列表达的是各个类型具有第j个特征值的程度，其第i行表达的是第i个类型具有各种特征值的程度。

在目标类型识别中，实际上由于某些目标在某些特征上敏感，很难给出目标类型识别中的各个特征信息赋予固定的权重，因此，本文采取基于识别价值的方法确定动态权重。

定义6 假设待识别目标B的第j个特征值的识别价值为V(fBj)，则待识别目标B第j个特征的直觉模糊动态熵权为:

考虑到取大取小算子造成信息丢失现象，可以采用加权平均算子作为集结函数。于是，根据式(1)和式(4)，得到待识别目标B隶属于类型A～i的隶属程度:

最后，根据式(5)可以得到识别结果。

2.2 算例与模型比较

假设根据某个系统信息获取水平和指挥决策需求，将目标类型划分为 T={T1，T2，T3，T4}表示 4 种类型的飞机，特征集合 F={F1，F2，F3，F4，F5，F6}分别表示目标的一维距离像、回波信号、反射截面积、速度、航迹及加速度特征。

假设某识别周期内，得到了目标O的前4个特征值，采用文献［9］中的数据，待识别目标O在各个类型的隶属直觉模糊值向量构成直觉模糊值矩阵MO=(aij)4×4如下所示:

2)利用式(7)，计算目标O的各识别特征的动态熵权向量

3)利用式(8)，得到目标O对各个类型的隶属程度向量如下所示:

该结果与文献［8］的结果基本一致，说明了该模型的有效性。造成识别排序在目标类型T1和T2上不同的主要原因是文献［8］中的集结算子权重确定方法具有一定的主观性。同时，本文的方法计算简便，集结算子权重确定方法上具有客观动态赋权的优点。

3 结语

本文建立的直觉模糊模式识别模型更好地描述了多特征模式识别问题，更具有一般性和实用性，可以推广到一般的模式识别问题领域。文中针对战场目标类型识别问题，给出了一类具体的最大隶属原则模式识别模型，通过应用算例和比较分析，模型是可行和有效的，而且具有计算简单，客观动态赋权的优点。下一步研究工作主要有:

1)在问题领域，将研究目标类型与识别特征关系的直觉模糊集描述方法，建立目标类型识别知识;

2)在方法领域，将研究建立基于择近原则的直觉模糊模式识别一般模型，进一步分析各种直觉模糊熵的特点，选择或者构造一种符合应用需求的直觉模糊熵。

［1］BOGLER P L.Shafer-dempster reasoning with application to multi-sensor target identification system［J］.IEEE SMC，1987，17(6):968 －977.

［2］郭桂蓉，谢维信，等.模糊模式识别［M］.长沙，国防科技大学出版社，1992.

GUO Gui-rong，XIE Wei-xin，etal.Fuzzy pattern recognition［M］.Changsha:Publishing Press Of National Science And Technology University，1992.

［3］李明军，刘怡昕，黄先义，等.基于模糊模式识别的战场目标识别［J］.火力与指挥控制，2005，30(8):57 －60.

LING Ming-jun，LIU Yi-xin，HUANG Xian-yi，et al.Battlefield target recognition based on fuzzy pattern recognition［J］.Fire Control Command Control，2005，30(8):57－60.

［4］朱方，王付明.基于模糊信息论的空中目标识别模型研究［J］.指挥控制与仿真，2006，28(2):109 －113.

ZHU Fang，WANG Fu-ming.Research on airtarget recognition model based on fuzzy information theory［J］.Command，Control and Simulation，2006，28(2):109 －113.

［5］ATANASSOV K T.Intuitionistic fuzzy sets［J］.Fuzzy Sets and Systems，1986，20:87 －96.

［6］XU Ze-shui.Intuitionistic fuzzy aggregation operators［J］.IEEE Transactions on Fuzzy Systems，2007，15:1179 －1187.

［7］王毅，雷英杰.一种直觉模糊熵的构造方法［J］.控制与决策，2007，22(12):1390 －1394.

WANG Yi，LEI Ying-jie.A technique for constructing intuitionistic fuzzy entropy［J］.Control and Decision Making，2007，22(12):1390 －1394.

［8］徐永杰，李登峰，伍之前.基于直觉模糊熵和 CC-OWA算子的雷达目标识别模型研究［J］.数学的实践与认识，2009，39(17):86 －90.

XU Yong-jie，LI Deng-feng，WU Zhi-qian.Radar target recognition model based on entropy of intuitionistic fuzzy sets and CC － OWA operator［J］.Mathematics in Practice and Theory，2009，39(17):86 －90.

［9］李续武，李晓漫.直觉模糊熵在雷达目标识别中的应用［J］.航空计算技术，2007，37(4):27 －29.

LI Xu-wu，LI Xiao-man.Application of intuitionistic fuzzy entropy in radar targetrecognition［J］.Aerospace Computing Technology，2007，37(4):27 －29.

［10］XU Ze-shui.Intuitionistic fuzzy aggregation operators［J］.IEEE Transactions on Fuzzy Systems，2007，15:1179 －1187.

Intuitionistic fuzzy target type recognition model based on maximum membership degree principle

SHI Hong-quan，XU Yong-jie
(Department of Scientific Research，Dalian Naval Academy，Dalian 116018，China)

With the application of intuitionistic fuzzy sets to describe the fuzziness and intuitinism of relations between recognition feasures and target types，a corresponding intuitionistic fuzzy multi-features pattern recognition model is developed based on the maximum membership degree principle(MMDP).Considering the incompleteness of feature values and the independence among features in battlefield TTR problem，the recognition value and the intuitionistic fuzzy dynamic entroy-weight(IFDEW)for feature value are defined respectively.Furtherly，intuitionistic fuzzy multi-features TTR model are specified based on the MMDP and IFDEW.Through the comparative analysis of a practical example，our proposed model is verified to be effective and it is of importance to the artificial recognition of air target.

intuitionistic fuzzy sets;intuitionistic fuzzy pattern recognition;target type recognition;IFDEW;MMDP

TP391

A

1672－7649(2012)01－0095－04

10.3404/j.issn.1672－7649.2012.01.023

2011－03－17;

2011－04－08

史红权(1972－)，男，硕士，副研究员，研究方向为作战指挥辅助决策理论。