基于改进支持向量机的目标威胁估计

• 作者: 李姜 郭立红
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 信息融合 目标威胁估计 粒子群算法 支持向量机
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 信息科学
• 页码范围: 1354-1362
• 页数: 9页
• 分类号: TP391.9
• 字数: 3881字
• 语种: 中文
• DOI: 10.3788/OPE.20142205.1354

摘要

针对信息融合中目标威胁估计的特点,分析了传统目标威胁估计方法和支持向量机(SVM)的不足.采用粒子群算法(PSO)对SVM中惩罚参数c和核函数g进行优化,建立了改进的SVM(PSO_SVM)目标威胁估计模型及算法.介绍了粒子群算法和支持向量机的原理,建立了一种新的PSO_SVM目标威胁估计模型;基于该模型,实现了PSO_SVM目标威胁估计算法.为适应该算法,对数据进行了预处理,包括数据量化和归一化.交叉验证寻找最佳参数时,采用PSO算法进行优化.采集75组原始数据用于仿真实验,其中60组作为训练集,15组作为测试集.仿真实验表明,该算法预测误差为0,达到了预期目标.实验结果真实、准确地反映了实际情况,证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭立红	中国科学院长春光学精密机械与物理研究所	111	1022	19.0	25.0
2	李姜	中国科学院长春光学精密机械与物理研究所	5	58	3.0	5.0