앙상블 학습을 사용한 RF 위협체 역추정 모델의성능평가
Performance Evaluation of the Reverse Extrapolation Model of RF Threats Using Ensemble Learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 앙상블 학습 기법을 이용하여 전자파 신호를 발산하는 RF(Radio Frequency) 위협체를 역추정하는 방법에 관하여 논한다. 기존 연구에서 레이더 위협을 생성하고 실제 전자전 상황을 모델링 할 수 있는 시뮬레이터에 대하여 연구 및 구현하였다. 개발 중인 전자전 시뮬레이터는 다양한 기계학습 알고리즘을 통하여 생성한 모델을 사용하여 RF 위협체에 대한 역추정 정확도를 실시간으로 제시한다. 본 논문은 구현한 시뮬레이터를 활용하여RF 위협체의 수집신호변수를 생성 및 수신하며, 앙상블 학습 기법을 이용하여 생성한 역추정 모델에 의하여 위협체를 역으로 식별하는 방법을 제안한다. 실험에서 다양한 기계학습 알고리즘으로 생성한 모델과 메타 학습 방법론인앙상블 학습 기법을 적용한 모델을 이용하여 RF 위협체에 대한 역추정 정확도를 측정하고 실험결과를 분석하였다.
Abstract
In this paper, we discuss a method using an ensemble learning technique for the reverse extrapolation of RF (Radio Frequency) threats that emit electromagnetic signals. We have studied and implemented a simulator that is capable of generating radar threats and modeling the actual electronic warfare situations. The simulator presents the reverse extrapolation accuracy of RF threats in real time. Based upon the electronic warfare signal variables of RF threats in our simulator, we propose a method to reversely identify RF threats through models compiled using ensemble learning techniques. We have measured and analyzed the reverse extrapolation accuracy of the models of RF threats, which are generated by basic machine learning algorithms and by ensemble learning algorithms as a meta-learning framework.
참고문헌 (17)
- D. Adamy, "전자전 모델링과 시뮬레이션" (2010), 아진
- 최상영, "국방 모델링 및 시뮬레이션 총론" (2010), 북코리아
- US DOD, "Electronic Warfare", Joint Publication, pp.3~13.1 (2012)
- "현존하는 치명적 군사위협,전자전"[URL]
- 박헌우, "전자전 상황에서 레이더 위협의 역추정을 위한 통합 시뮬레이터 설계", 2016 한국차세대컴퓨팅학회 춘계 학술대회 논문집, pp.35~36 (2016)
- 하지수, "통합 전자전에서 기계학습을 이용한 위협체 역추정 모델링", 한국차세대컴퓨팅학회 논문지, 11(5), pp.43~52 (2015), 한국차세대컴퓨팅학회
- 김철표, "비지도 학습 기법을 사용한 RF 위협의 분포 분석", 한국군사과학기술학회지, 19(3), pp.346~355 (2016), 한국군사과학기술학회[DOI]
- 노상욱, "점진적 기계학습 기반의 레이더 위협체 역추정 시뮬레이터 설계", 한국전자파학회 전자파기술, 27(6), pp.13~19 (2016)
- Ian Witten, "Data Mining: Practical Machine Learning Tools and Techniques" (2011), Morgan Kaufman
- Peter Harringto, "Machine Learning in Action" (2013), Manning
- L. Breiman, "Bagging predictors", Macnine learning, 24(2), pp.123~140 (1996)
- 조재호, "차량 번호판 인식을 위한 앙상블 학습기 기반의 최적 특징 선택 방법", 전기학회논문지, 65(1), pp.142~149 (2016), 대한전기학회[DOI]
- 유상현, "IBL 학습 알고리즘과 Harr-like Feature의 결합을 통한 다중 유형 이미지 검출 알고리즘", 한국차세대컴퓨팅학회 논문지, 9(5), pp.68~78 (2013), 한국차세대컴퓨팅학회
- 박선, "앙상블 학습을 이용한 적조 발생 예측의 성능향상", 전자공학회논문지 - SP, 49(1), pp.41~48 (2012), 대한전자공학회
- 데베쉬 자, "Ensembles of Decision Trees Based Diagnosis of Alzheimer’s Disease and Dementia", 한국차세대컴퓨팅학회 논문지, 13(2), pp.26~34 (2017), 한국차세대컴퓨팅학회
- 김민석, "앙상블 학습을 이용한 DRAM 모듈 출하 품질보증 검사 불량 예측", 산업공학(IE interfaces), 25(2), pp.178~186 (2012), 대한산업공학회
- "Downloading and installing Weka" (2017)[URL]