خوشه بندی به روش نزدیک ترین همسایه با اولویت انتخاب خوشه های متراکم تر در آنالیز ماتریس تشابه جهت تفکیک پالس های راداری

دسته بندی و میانبرداری پالس های راداری، از کاربردهای خوشه بندی است. از مشکلات اساسی در بیشتر روش ها، انتخاب مناسب مراکز اولیه جهت خوشه بندی است. در الگوریتم پیشنهادی، ابتدا ماتریس تشابه برای داده های ورودی بر اساس شعاع همسایگی تعریف شده، تولید می گردد. سپس با آنالیز کدهای ماتریس تشابه و انتخاب سطرهای با بیشترین کد تشابه، دسته های متراکم تر به ترتیب جدا می شوند. در این روش با توجه به جریان زیاد داده های راداری، بدون نیاز به تکرار پردازش، رشته پالس ها به صورت بهینه جدا می شوند. الگوریتم حاصل نسبت به توابع موجود خوشه بندی، داده را بر اساس شعاع همسایگی تعریف شده به تعداد خوشه های از پیش تعیین نشده با اولویت انتخاب دسته های متراکم و با دقت در اختصاص داده های واقع در مرز مشترک خوشه ها تفکیک می نماید. به طور خاص، مزیت استفاده از این الگوریتم در تفکیک پالس راداری، انتخاب نقاط متراکم به عنوان مراکز خوشه ها است. روش پیشنهادی می تواند برای تفکیک داده ها در زمینه های مختلف نیز به کار رود. از محاسن این روش نسبت به الگوریتم های مبتنی بر روش k-mean، دقت در انتخاب اولیه مراکز خوشه ها است. نتایج خوشه بندی روش پیشنهادی برای نمونه داده های راداری شامل 200 پالس با نتایج روش خوشه بندی حول رهبر که یکی از الگوریتم های مطرح در زمینه خوشه بندی پالس های راداری است، مقایسه شده است. بررسی شاخص های ارزیابی و اعتبارسنجی خوشه بندی مانند Dunn، Silhouette و RMSSD، بهینه بودن الگوریتم پیشنهادی را نشان می دهد.