خوشه‌بندی به روش نزدیک‌ترین همسایه با اولویت انتخاب خوشه‌های متراکم تر در آنالیز ماتریس تشابه جهت تفکیک پالس‌های راداری

دسته‌بندی و میانبرداری پالس‌های راداری، از کاربردهای خوشه بندی است. از مشکلات اساسی در بیشتر روش‌ها، انتخاب مناسب مراکز اولیه جهت خوشه‌بندی است. در الگوریتم پیشنهادی، ابتدا ماتریس تشابه برای داده‌های ورودی بر اساس شعاع همسایگی تعریف‌شده، تولید می‌گردد. سپس با آنالیز کدهای ماتریس تشابه و انتخاب سطرهای با بیشترین کد تشابه، دسته‌های متراکم‌تر به ترتیب جدا می‌شوند. در این روش با توجه به جریان زیاد داده‌های راداری، بدون نیاز به تکرار پردازش، رشته پالس‌ها به‌صورت بهینه جدا می‌شوند. الگوریتم حاصل نسبت به توابع موجود خوشه‌بندی، داده را بر اساس شعاع همسایگی تعریف‌شده به تعداد خوشه‌های از پیش تعیین نشده با اولویت انتخاب دسته‌های متراکم و با دقت در اختصاص داده‌های واقع در مرز مشترک خوشه‌ها تفکیک می‌نماید. به طور خاص، مزیت استفاده از این الگوریتم در تفکیک پالس راداری، انتخاب نقاط متراکم به‌عنوان مراکز خوشه‌ها است. روش پیشنهادی می‌تواند برای تفکیک داده‌ها در زمینه‌های مختلف نیز به کار رود. از محاسن این روش نسبت به الگوریتم‌های مبتنی بر روش k-mean، دقت در انتخاب اولیه مراکز خوشه‌ها است. نتایج خوشه‌بندی روش پیشنهادی برای نمونه داده‌های راداری شامل 200 پالس با نتایج روش خوشه‌بندی حول رهبر که یکی از الگوریتم‌های مطرح در زمینه خوشه‌بندی پالس‌های راداری است، مقایسه شده است. بررسی شاخص‌های ارزیابی و اعتبارسنجی خوشه‌بندی مانند dunn، silhouette و rmssd، بهینه بودن الگوریتم پیشنهادی را نشان می‌دهد.