Päätöspuun käyttö tutkamaalien initialisoinnissa

Suomen ilmatilaa valvotaan reaaliaikaisesti, pääasiassa ilmavalvontatutkilla. Ilmatilassa on lentokoneiden lisäksi paljon muitakin kohteita, jotka tutka havaitsee. Tutka lähettää nämä tiedot edelleen ilmavalvontajärjestelmään. Ilmavalvontajärjestelmä käsittelee tiedot, sekä lähettää ne edelleen esitysjärjestelmään. Esitysjärjestelmässä tiedot esitetään synteettisinä merkkeinä, seurantoina joista käytetään nimitystä träkki. Näiden tietojen puitteissa sekä oman ammattitaitonsa perusteella ihmiset tekevät päätöksiä. Tämän työn tarkoituksena on tutkia tutkan havaintoja träkkien initialisointipisteessä siten, että voitaisiin määritellä tyypillinen rakenne sille mikä on oikea ja mikä väärä tai huono träkki. Tämän lisäksi tulisi ennustaa, mitkä Irakeista eivät aiheudu ilma- aluksista. Saadut tulokset voivat helpottaa työtä havaintojen tulkinnassa - jokainen lintuparvi ei ole ehdokas seurannaksi. Havaintojen luokittelu voidaan tehdä joko neurolaskennalla tai päätöspuulla. Neurolaskenta tehdään neuroverkoilla, jotka koostuvat neuroneista. Päätöspuu- luokittelijat ovat oppivia tietorakenteita kuten neuroverkotkin. Yleisin päätöpuu on binääripuu. Tämän työn tavoitteena on opettaa päätöspuuluokittelija havaintojen avulla siten, että se pystyy luokittelemaan väärät havainnot oikeista. Neurolaskennan mahdollisuuksia tässä työssä ei käsitellä kuin teoreettisesti. Työn tuloksena voi todeta, että päätöspuuluokittelijat ovat erittäin kykeneviä erottamaan oikeat havainnot vääristä. Vaikka tulokset olivat rohkaiseva, lisää tutkimusta tarvitaan määrittelemään luotettavammin tekijät, jotka parhaiten suorittavat luokittelun.

The airspace of Finland is controlled in real time, mainly by air surveillance radars. There is a considerable amount of other additional objects besides aircrafts in the airspace. Radar perception detects all these objects, and announces them further to air surveillance system, which processes this information, and sends it on to presentation system, where this information is presented in follow-up, in synthetic symbols, hereafter in this work called; tracks. The presentation system is managed by people, who make decisions based not only to the data received but also to their personal knowledge. The purpose of this work is to examine the radar observations at the initialisation points of the track in order to define typical features of the observations associated with 'good' or real tracks and 'bad' or false tracks, and to foretell which of the tracks are not caused by aircrafts. The definitions would facilitate the work of the air surveillance personnel when interpreting the observations - not every flock of birds would be considered as a potential threat. In order to classify the features and to decide whether the observations originate from relevant targets or not, there are two methods available; a binary decision tree and a multi-layer feed forwarded by neural network. Neural calculation is carried out in neural networks, which consist of neurons. The most common decision tree type is a binary tree. Both decision trees and neural networks are learning data structures. This work research aims to present the procedure through the decision tree, the usage of the neural networks is described only theoretically. The results of this work show that decision trees are very capable of discriminating the right tracks form the false ones. Although the outcome was encouraging, more research is needed to define those factors that most reliably execute the systematic placement of the tracks.