دسته بندی اهداف سوناری با استفاده از روش omkc
Abstract(in Persian; no English abstract is available)
با توجه به خصوصیات فیزیکی پیچیده ی اهداف سوناری، طبقه بندی و تمیز دادن اهداف واقعی از اهداف کاذب یکی از زمینه های دشوار و پیچیده برای محققان و صنعتگران این حوزه است. با توجه به این ویژگی های اهداف سوناری، روش های هوشمند در دسته بندی این نوع دادگان دارای توانایی های منحصر به فردی می باشند. از این رو در سال های اخیر استفاده از شبکه های عصبی و ماشین بردار پشتیبانی در این زمینه کاربرد فراوانی داشته است. با توجه به اینکه دادگان سوناری دارای ابعاد بالایی در فضای ورودی می باشند، نمی توان آن ها را به صورت خطی از یکدیگر تفکیک نمود. بدین منظور، این مقاله برای طبقه بندی اهداف سوناری از روشی به نام omkc استفاده می نماید. نتایج حاصله نشان می دهد که این روش دقت دسته بندی معادل با 763/98% را ارائه می کند که نسبت به روش های کلاسیک با حداکثر دقت 05/97، بهتر می باشد، ولی زمان اجرای الگوریتم 1014/0 ثانیه افزایش پیدا می کند که برای جبران این نقص، از انتخاب و ترکیب هسته ها به صورت تصادفی استفاده می شود.