| 4.1 确定指标集
根据目标探测准则确定指标集为：{检测率，虚警率，漏警率，定位精度，探测速度，邻域特征一致度，加权灰度方差，空间频率标准偏差，信息熵，平均强度差异，平均最大边缘对比度，巴氏距离，目标面积差异度，目标重心偏移度，主轴方向偏离度，长宽比差异度，目标尺寸差异度}，用 表示。
4.2 因素集分类
由于需要考虑的因素很多，采用一级模型会出现两个问题：一是每个因素的权重分配难于确定；二是归一化导致的权重集中元素过小，出现得不出有价值结果的现象。因此，采用二级灰色关联方法建立评估模型。
进行二级灰色关联方法建立评估模型时需要对指标集进行合理分类。根据对卡车目标探测性能评估指标体系将指标分为六类：{检测率 ，虚警率 ，漏警率 }；{定位精度 }；{探测速度 }；{邻域特征一致度 ，加权灰度方差 ，空间频率标准偏差 ，二阶局域熵 ，信息熵 }；{平均强度差异 ，平均最大边缘对比度 ，巴氏距离 }；{目标面积差异度 ，目标重心偏移度 ，主轴方向偏离度 ，长宽比差异度 ，目标尺寸差异度 }。
指标集分成六个子指标集： 、 、 、 、 、 。总因素集为：
4.3 构建指标矩阵
根据需要对比的系统确定评估对象，用 表示，n为系统个数，如本文主要研究协同探测系统与非协同探测系统（及独立传感器系统）探测性能的优劣，确定评估对象集为{L波段SAR，X波段SAR，协同探测系统}，此时 。则 个待评估对象在 个评估指标下的属性值构成的属性矩阵为
4.4 确定各指标的权重
采用层次分析法（AHP）确定各个子指标集的权重集。设 的权重集分别为 ， ， ， 且 。
4.5 构造优向量和次向量[2][4][5]
分别定义优向量G和次向量B作为关联分析的母向量，定义如下：
 (1)
其中符号“ ”表示取大运算，符号“ ”表示取最小运算。
4.6 关联度计算[2][4][5]
计算归一化矩阵X的第j个探测系统指标向量 与优向量G和次向量B的关联系数为：
 (2)
2/3 首页 上一页 1 2 3 下一页 尾页 |
