Оцінювання алгоритмів кластеризації в умовах шумних азимутальних вимірювань

Abstract

Локалізація об’єктів за азимутальними (bearing-only) вимірюваннями є складною задачею через високу шумність даних, кутові похибки та значну кількість хибних перетинів променів. Надійність визначення координат суттєво залежить від методів та алгоритмів кластеризації, які здатні відокремлювати істинні точки від шумових. У роботі розглянуто порівняльний аналіз алгоритмів K-means та DBSCAN для кластеризації азимутальних перетинів з подальшим їх застосуванням в задач bearing-only спостереження. Метою роботи є оцінювання ефективності алгоритмів кластеризації K-means та DBSCAN в умовах шумних азимутальних вимірювань у bearing-only задачах. Методика. В досліджені використано методи статистичного аналізу та імітаційного моделювання. Наукова новизна. У роботі набуло подальший розвиток метод оцінки алгоритмів кластеризації в bearing-only задачах на основі спеціалізованої системи метрик, що дозволить об’єктивно порівнювати різні алгоритми кластеризації та оцінити їхню робастність до шуму. У висновках зазначено, що результати роботи дозволяють обґрунтовано вибирати алгоритми кластеризації для задач bearing-only локалізації в умовах підвищеного шуму. Запропонована система метрик і інтегральний показник які можуть бути основою для подальшої розробки стійкіших методів оброблення азимутальних вимірювань і оптимізації мультирадарних конфігурацій. Показано, що DBSCAN стабільно перевершує K-means за інтегральною метрикою, особливо зі зростанням кількості цілей.