خوشه‌بندي به روش نزديك‌ترين همسايه با اولويت انتخاب خوشه‌هاي متراكم تر در آناليز ماتريس تشابه جهت تفكيك پالس‌هاي راداري

دسته‌بندي و ميانبرداري پالس‌هاي راداري، از كاربردهاي خوشه بندي است. از مشكلات اساسي در بيشتر روش‌ها، انتخاب مناسب مراكز اوليه جهت خوشه‌بندي است. در الگوريتم پيشنهادي، ابتدا ماتريس تشابه براي داده‌هاي ورودي بر اساس شعاع همسايگي تعريف‌شده، توليد مي‌گردد. سپس با آناليز كدهاي ماتريس تشابه و انتخاب سطرهاي با بيشترين كد تشابه، دسته‌هاي متراكم‌تر به ترتيب جدا مي‌شوند. در اين روش با توجه به جريان زياد داده‌هاي راداري، بدون نياز به تكرار پردازش، رشته پالس‌ها به‌صورت بهينه جدا مي‌شوند. الگوريتم حاصل نسبت به توابع موجود خوشه‌بندي، داده را بر اساس شعاع همسايگي تعريف‌شده به تعداد خوشه‌هاي از پيش تعيين نشده با اولويت انتخاب دسته‌هاي متراكم و با دقت در اختصاص داده‌هاي واقع در مرز مشترك خوشه‌ها تفكيك مي‌نمايد. به طور خاص، مزيت استفاده از اين الگوريتم در تفكيك پالس راداري، انتخاب نقاط متراكم به‌عنوان مراكز خوشه‌ها است. روش پيشنهادي مي‌تواند براي تفكيك داده‌ها در زمينه‌هاي مختلف نيز به كار رود. از محاسن اين روش نسبت به الگوريتم‌هاي مبتني بر روش k-mean، دقت در انتخاب اوليه مراكز خوشه‌ها است. نتايج خوشه‌بندي روش پيشنهادي براي نمونه داده‌هاي راداري شامل 200 پالس با نتايج روش خوشه‌بندي حول رهبر كه يكي از الگوريتم‌هاي مطرح در زمينه خوشه‌بندي پالس‌هاي راداري است، مقايسه شده است. بررسي شاخص‌هاي ارزيابي و اعتبارسنجي خوشه‌بندي مانند Dunn، Silhouette و RMSSD، بهينه بودن الگوريتم پيشنهادي را نشان مي‌دهد.