كاربرد دسته بندي اهداف سوناري با استفاده از روش OMKC

با توجه به خصوصيات فيزيكي پيچيده ي اهداف سوناري، طبقه بندي و تميز دادن اهداف واقعي از اهداف كاذب يكي از زمينه هاي دشوار و پيچيده براي محققان و صنعتگران اين حوزه است. با توجه به اين ويژگي هاي اهداف سوناري، روش هاي هوشمند در دسته بندي اين نوع دادگان داراي توانايي هاي منحصر به فردي مي باشند. از اين رو در سال هاي اخير استفاده از شبكه هاي عصبي و ماشين بردار پشتيباني در اين زمينه كاربرد فراواني داشته است. با توجه به اينكه دادگان سوناري داراي ابعاد بالايي در فضاي ورودي مي باشند، نمي توان آن ها را به صورت خطي از يكديگر تفكيك نمود. بدين منظور، اين مقاله براي طبقه بندي اهداف سوناري از روشي به نام OMKC استفاده مي نمايد. نتايج حاصله نشان مي دهد كه اين روش دقت دسته بندي معادل با 763/98% را ارائه مي كند كه نسبت به روش هاي كلاسيك با حداكثر دقت 05/97، بهتر مي باشد، ولي زمان اجراي الگوريتم 1014/0 ثانيه افزايش پيدا مي كند كه براي جبران اين نقص، از انتخاب و تركيب هسته ها به صورت تصادفي استفاده مي شود.