지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 노상욱
- 발행연도
- 2016
- 저작권
- 가톨릭대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (4)
2015
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
이 논문은 통합전자전 상황에서 전자정보 수집신호의 변수를 분석하여 전자파 신호를 발산하는 레이더 및 위협체계를 역추정으로 모델링하는 기법을 다룬다. 전자전 수신기가 위협체로부터 수신한 변수 중 가장 중요한 속성을 1-rule 알고리즘을 통하여 파악하였으며, 베이지안 분류 알고리즘, 의사결정 트리 학습 알고리즘 및 인공 신경망 알고리즘을 사용하여 위협체를 추정할 수 있는 프로토타입을 구축하였다. 다양한 통합전자전 상황에서 생성한 규칙을 기반으로 역추정 모델을 구축하고 새로운 데이터가 주어지면 모델링한 위협체로 분류한다. 실험에서 베이지안 분류 알고리즘, 의사결정 트리 학습 알고리즘 및 인공 신경망 알고리즘을 각각 적용하여 학습 곡선을 생성하였으며, 학습 곡선에서 최적의 성능을 나타내는 역추정 모델을 실험적으로 정립하였다. 또한, 세 가지 알고리즘의 결과로 생성된 프로토타입을 기반으로 역추정 모델링에 대한 정확도를 평가하였으며 결과 성능이 99% 이상임을 보였다.
목차
1. 서론 12. 관련연구 32.1 위협체의 추정을 위한 지도 학습 기법 42.2 위협체의 추정을 위한 비지도 학습 기법 53. 위협체 역추정 모델링 73.1 위협체 속성 분석 및 모델링 73.2 속성 분석 및 역추정 알고리즘 93.2.1 1-rule 알고리즘을 이용한 속성 분석 93.2.2 베이지안 분류 알고리즘 93.2.3 의사결정 트리 학습 알고리즘 113.2.4 인공 신경망 알고리즘 123.3 지식의 축적 및 전자전에서의 활용 154. 실험 및 분석 174.1 1-rule 알고리즘을 이용한 중요 속성 분석 174.2 역추정 알고리즘 별 학습곡선 204.3 역추정 알고리즘 성능 비교 244.3.1 베이지안 분류 알고리즘을 적용한 역추정 모델 254.3.2 의사결정 트리 학습 알고리즘을 적용한 역추정 모델 274.3.3 인공 신경망 알고리즘을 적용한 역추정 모델 294.3.4 ANOVA 테스트 315. 위협체 역추정 모델 구현 365.1 베이지안 분류 알고리즘을 활용한 위협체 역추정 모델 365.2 의사결정 트리 학습 알고리즘을 활용한 위협체 역추정 모델 385.3 인공 신경망 알고리즘을 활용한 위협체 역추정 모델 406. 결론 42참고문헌 44
최근 본 자료
댓글(0)
0