Perception des menaces aériennes à l'aide de l'exploration de données

Ce livre présente un cadre de conception basé sur une architecture évolutive centralisée pour une perception efficace des menaces aériennes simulées. Dans ce cadre, des techniques d'exploration de données et de classification de modèles sont incorporées. Cet article se concentre sur la prédiction efficace en s'appuyant sur la base de connaissances et en trouvant des modèles pour construire les arbres de décision. Ce cadre est conçu de manière flexible pour s'intégrer de manière transparente à d'autres applications. Les résultats montrent l'efficacité des algorithmes sélectionnés et suggèrent que davantage de paramètres sont incorporés pour la prise de décision pour les menaces aériennes; le meilleur est notre niveau de confiance sur les résultats. Pour approfondir la prédiction précise des cibles, nous devons prendre des décisions sur plusieurs facteurs. Plusieurs techniques utilisées ensemble aident à trouver la classification précise des menaces et à améliorer la confiance dans nos résultats.