基于L-Kshape-HACA的空战态势分割聚类

张 鹏， 黄长强， 魏政磊， 周 欢， 王永乾

(1.空军工程大学航空工程学院， 西安， 710038； 2.95596部队，河南商丘，476000)

当前军事装备正向着无人化、智能化的方向发展[1]，制约无人作战飞机作战模式由对地侦查、打击向对空作战转变的主要因素在于自主决策能力不足，过分依赖地面站远程操控，无法满足高动态空战的实时性需求。基于当前空战数据实时提取敌我态势信息来指导无人平台做出自主决策是无人自主空战的关键技术。空战态势知识提取可以转换为近距空战态势模式的发现，其本质是多元时间序列的分割聚类问题。多元时间序列的聚类算法包括两种思路：一种是通过对多元时间序列进行压缩降维，再利用传统的点聚类方法进行聚类[2]；另外一种是结合多元时间序列相似性度量方法改进传统的点聚类方法[3-4]。前者又分为基于特征的聚类和基于模型的聚类，后者为基于初始序列的聚类。基于特征和模型的聚类会忽略原始时间序列的局部特征。基于原始时间序列的聚类一般不对时间序列进行压缩，而是直接进行聚类，该方法随着时间序列增长，其计算代价越大[5]。同时目前的空战态势知识提取文献大多数以空战态势信息到固定态势类别的映射居多，不能体现聚类中心的客观性和态势变化的连续性。

针对以上问题，本文提出了一种基于拉普拉斯中心性和Kshape的分层聚类时序分析方法，解决了多维参数下的态势信息提取问题。

1 基于拉普拉斯中心性的聚类数目确定

目前的分割方法主要是基于特征点的分割和基于监督学习的分割点检测[6-7]。……