公开(公告)号：CN119691641A

公开(公告)日：2025-03-25

申请号：CN202411701812.9

申请日：2024-11-26

Applicant: 西安电子科技大学

Inventor： 李乐乐 ,  谢晋 ,  陈家喜 ,  高卫峰 ,  李宏 ,  侯凯方

IPC: G06F18/2433 ,  G06F18/2321 ,  G06F18/23213

Abstract: 本发明公开一种基于自适应参数DBSCAN的飞行器异常检测方法，其实现方案为，通过Z‑score标准化处理飞行器的纬度、经度、高度、速度数据，通过距离矩阵生成eps‑list；利用二分搜索优化法优化eps‑list中的eps值，将其对应的minpts值作为自适应参数；使用K‑means算法建立候选eps‑list；通过DBSCAN算法进行聚类；利用聚类结果检测异常，识别噪声点并分析其特征。本发明无需人为干预即可自动确定算法参数，直接提高聚类的准确性和鲁棒性，处理大规模飞行器数据可保持很高的响应速度，可更精准地识别飞行状态中的异常情况，提高飞行安全监控的效率和可靠性。

公开(公告)号：CN119669999A

公开(公告)日：2025-03-21

申请号：CN202411641082.8

申请日：2024-11-18

Applicant: 西安电子科技大学

Inventor： 侯凯方 ,  谢晋 ,  高卫峰 ,  李宏 ,  李本崇 ,  李乐乐 ,  李宝胜

IPC: G06F18/25 ,  G06F18/20 ,  G06F18/27 ,  G06N20/20 ,  G06F123/02

Abstract: 本发明公开一种结合主被动信息融合与集成学习的运动目标跟踪方法，主要解决现有技术单一数据源易受噪声和异常值影响、模型复杂度高且稳定性差的问题。其实现步骤为：将主动探测和被动探测数据融合，得到观测数据；使用多项式拟合最小二乘法和极限学习机拟合观测数据，分别得到基础学习器1和基础学习器2；通过集成学习的堆叠法将两种学习器的预测结果结合，得到目标的预测状态；对目标预测状态进行高斯滤波平滑处理；计算目标的运动速度；判断是否为最后一组观测数据，若是，则结束跟踪。本发明通过主被动信息融合与集成学习方法的结合，提高了模型的稳定性，实现了对目标的高效、精准跟踪。