舰艇对空中来袭目标意图的预判方法

• 作者: 张玮 张磊 李旭东 李营 赵捍东 马焱
• 来源期刊: 中国舰船研究
• 学科: 交通运输
• 关键词: 集成学习 极限学习机 决策树 Skohonen神经网络 LVQ神经网络 集成修剪
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 武器与电子信息系统
• 页码范围: 133-139
• 页数: 7页
• 分类号: U674.7+03.5
• 字数: 5493字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3185.2018.01.020

摘要

[目的]为使舰艇能在短时间内正确预判空中来袭目标的意图,提出应用异质集成学习器解决该模糊不确定性分类问题.[方法]首先选取极限学习机、决策树、Skohonen神经网络和学习矢量化(LVQ)神经网络4种子学习器,使用集成学习结合策略构建异质集成学习器;然后利用该集成学习器训练测试训练集100次,得到该分类实验平均准确率和计算时间.为提高准确率,进行了集成修剪,剔除"劣质"的LVQ神经网络,重新构建效率更高的异质集成学习器,其实验结果具有极高的精度,但计算耗时长.为此,提出对Skohonen神经网络子分类器做"线下训练、线上调用"的改进.[结果]仿真实验表明,从探测到空中目标到预判出各来袭目标意图总用时为4.972 s,预判精度为99.93%,很好地满足了精度和实时性要求.[结论]该研究为作战决策提供了一种新颖而有效的方法,同时也为小样本分类识别问题提供了一种较好的实现途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵捍东	中北大学机电工程学院	74	431	10.0	17.0
2	张磊		40	41	4.0	5.0
3	李营		10	21	3.0	4.0
4	张玮		5	27	4.0	5.0
5	李旭东	中北大学机电工程学院	8	19	2.0	4.0
7	马焱	中北大学机电工程学院	7	28	3.0	5.0