基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种自适应磷虾群算法,在基本磷虾群算法中引入遗传繁殖机制,并加入进化算子和优化算子构成自适应环节,提高了算法的全局搜索能力和预测精度;通过自适应磷虾群算法对Elman神经网络的初始权值和阈值进行寻优,并在此基础上建立目标威胁评估模型.仿真实验表明,自适应磷虾群优化Elman神经网络既保证了一定的收敛速度,又能够使寻优精度得到明显提升,其对测试集的预测结果优于传统Elman神经网络和基本磷虾群优化Elman神经网络,从而验证了算法模型在目标威胁评估中的可行性、有效性.
推荐文章
基于改进Elman神经网络的目标威胁度预测评估
目标威胁度
Elman神经网络
量子粒子群优化算法
防空作战
一种自适应惯性权重的改进磷虾群算法
磷虾群算法
全局优化
自适应
惯性权重
基于神经网络的光电系统空中目标威胁估计
威胁估计
神经网络
BP算法
光电干扰武器系统
基于GA-WPA优化的BP神经网络目标威胁估计
目标威胁估计
遗传算法
狼群算法
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自适应磷虾群优化Elman神经网络的目标威胁评估
来源期刊 计算机工程与应用 学科 工学
关键词 自适应磷虾群算法 遗传繁殖机制 Elman神经网络 目标威胁评估 威胁值
年,卷(期) 2018,(7) 所属期刊栏目 工程与应用
研究方向 页码范围 226-231
页数 6页 分类号 TP391.9
字数 5230字 语种 中文
DOI 10.3778/j.issn.1002-8331.1611-0045
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李卫忠 空军工程大学防空反导学院 25 98 6.0 9.0
2 李志鹏 空军工程大学防空反导学院 10 23 4.0 4.0
3 杜瑞超 空军工程大学防空反导学院 8 17 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (56)
共引文献  (66)
参考文献  (14)
节点文献
引证文献  (2)
同被引文献  (10)
二级引证文献  (1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(9)
  • 参考文献(2)
  • 二级参考文献(7)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
自适应磷虾群算法
遗传繁殖机制
Elman神经网络
目标威胁评估
威胁值
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导