통합 전자전에서 기계학습을 이용한 위협체 역추정 모델링
Modeling the Reverse Extrapolation of RF threats Using Machine Learning Algorithms in Simulated Electronic Warfare Settings
0
조회
0
다운로드
8
인용
0
참고문헌
키워드
초록
본 논문은 통합전자전 상황에서 전자정보 수집신호의 변수를 분석하여 전자파 신호를 발산하는 레이더 및 위협체계를 역변환으로 모델링하는 기법을 다루고자 한다. 전자전 수신기가 위협체로부터 수신한 변수 중 가장 중요한 속성을 1-rule 알고리즘을 통하여 파악하였으며, 베이지안 분류 알고리즘, 의사결정 트리 학습 알고리즘 및 인공 신경망알고리즘을 사용하여 위협체를 추정할 수 있는 프로토타입을 구축하였다. 다양한 통합전자전 상황에서 생성한 규칙을 기반으로 역변환 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 역변환 모델을 실험적으로 정립하였다.
Abstract
This paper proposes a method to model the reverse extrapolation of RF threats through the attributes representing RF threats in an integrated electronic warfare situation. Using 1-rule algorithm, the most important attribute figuring out the threat could be assured among the attributes which a receiver collected. And also, we build a prototype which estimates threats using three machine learning algorithms, i.e., naive Bayesian classifier, decision tree, and artificial neural network. In various integrated electronic warfare situations, we tested our reverse extrapolation model based on the outputs of machine learning algorithms, where new test data were given to identify a threat. We also generated learning curves for each algorithm, and experimentally decided their optimal reverse extrapolation models. To verify the prototype of our model compiled, we evaluated the accuracy of reverse extrapolation models and the resulting performance showed more than 99% of accuracy.
참고문헌 (21)
- T.M. Mitchell, "Machine Learning", pp.154~198 (1997), McGraw- Hill
- S.R. Safavian, "A Survey of Decision Tree Classifier Methodology", IEEE Transactions on Systems, Man and Cybernetics, 21(3), pp.660~674 (1991)
- S. Russell, "Artificial Intelligence: A Modern Approach", pp.693~767 (2010), Pearson Education, Inc
- M. A. Friedl, "Decision tree classification of land cover from remotely sensed data", Remote Sensing of Environment, 61, pp.399~409 (1997)
- "Neural network design" (1996)[URL]
- 남상욱, "전자전 기술 동향", 한국전자파학회 전자파기술, 24(6), pp.1~2 (2013)
- 장재원, "전자보호 및 사이버 방어와함께 진화하는 전자전 기술의 발전방향", 한국전자파학회 전자파기술, 24(6), pp.3~13 (2013)
- 박현우, "항공기 통합 전자전장비의 운용효과도 측정을 위한 시뮬레이터 개발", 한국차세대컴퓨팅학회 논문지, 8(2), pp.73~86 (2012), 한국차세대컴퓨팅학회[DOI]
- 하지수, "귀납적 기계학습 알고리즘을 이용한위협체 역추정 기법", 한국정보과학회 학술발표논문집, pp.544~546 (2014)
- 박소령, "자율적으로 결정한 대응기법의 운용효과도 설계", 인터넷정보학회논문지, 13(4), pp.11~21 (2012), 한국인터넷정보학회[DOI]
- 장병탁, "차세대 기계학습 기술", 정보과학회지, 25(3), pp.96~107 (2007)
- 박성배, "기계학습과 정보검색", 정보과학회지, 25(3), pp.5~11 (2007)
- 김천식, "적응적인 학습을 위한 텍스트 마이닝 기술", 전자공학회논문지 - CI, 45(3), pp.31~39 (2008), 대한전자공학회
- 김민수, "퍼지-뉴럴 네트워크를 이용한 심전도 패턴 분류시스템 설계", 시스템 및 제어 소사이어티, 25(1), pp.273~276 (2002)
- 정석원, "위키백과로부터 기계학습 기반한 국어 지식베이스 구축", 정보과학회논문지, 42(8), pp.1065~1070 (2015), 한국정보과학회
- 이현규, "명암도 조절을 통한 베이스 분류기 기반 영상분할기법", 한국차세대컴퓨팅학회 논문지, 8(5), pp.73~86 (2012), 한국차세대컴퓨팅학회
- Whenming Shen, "Study on classification methods of remote sensing image based on decision tree technology", IEEE Computer Science and Service System (CSSS), pp.4058~4061 (2011)
- 이석원, "시뮬레이션의 동적인 행위 계획을 위한 통합 학습 방법", 한국차세대컴퓨팅학회 논문지, 11(2), pp.49~65 (2015), 한국차세대컴퓨팅학회
- 김무수, "의사결정트리를 이용한 적군의 주타격 방향 분석", 정보과학회논문지 : 소프트웨어 및 응용, 40(1), pp.37~44 (2013), 한국정보과학회
- S. Noh, "Intelligent Command and Control Agent in Electronic Warfare Setting", International Journal of Intelligent Systems, 25(6), pp.514~528 (2010)
- I.H. Witten, "Data Mining" (2010), Morgan Kaufmann