پیشنهاد روش ماشین بردارپشتیبان درکلاسبندی اهداف هوائی راداری و مقایسه کارائی آن با شبکه عصبی

امروزه روش های مختلفی برای کلاسبندی اهداف مورد استفاده قرار می گیرد، از روش های کارآمد و جدید، می توان ماشین بردار پشتیبان و شبکههای عصبی را نام برد. در این مقاله برای کلاسبندی سه هدف جنگنده، هواپیمای مسافربری وهلی کوپتر سه روش کلاسبندی چند کلاسه ماشین بردار پشتیبان روش یکی در برابر یکی، یکی در برابر همه و گراف غیر چرخشی جهت دار بر اساس دو ویژگی سطح مقطع راداری و سرعت پیشنهاد شده وبا شبکههای عصبی پرسپترون چند لایه و تابع پایه شعاعینیز از نظر عملکرد مقایسه شده است.پس از کلاسبندی اهداف با استفاده از روشهای مذکور، مشخص می شود که روش شبکه عصبی با شبکه پرسپترون چند لایه دارای دقت بالاتریبرای اهداف با توزیع داده شده، نسبت به روش های دیگر است. همچنین سرعت اجرای روش های بردار پشتیبان مذکور بیشتر از روشهای شبکه عصبی است

کلیدواژه ها:

کلاسبندی چند کلاسه ماشین بردار پشتیبان ، روش یکی در برابر یکی ، روش یکی در برابر همه ، روش گراف غیرچرخشیجهتدار ، شبکه عصبی پرسپترون چند لایه ، شبکه عصبی تابع پایه شعاعی