系统工程与电子技术 ›› 2022, Vol. 44 ›› Issue (12): 3747-3755.doi: 10.12305/j.issn.1001-506X.2022.12.19

• 系统工程 • 上一篇    

样本不平衡下的空中群组意图识别方法

马钰棠, 孙鹏*, 张杰勇, 王鹏, 闫云飞, 赵亮   

  1. 空军工程大学信息与导航学院, 陕西 西安 710077
  • 收稿日期:2021-11-02 出版日期:2022-11-14 发布日期:2022-11-24
  • 通讯作者: 孙鹏
  • 作者简介:马钰棠 (1998—), 男, 硕士研究生, 主要研究方向为人工智能、态势估计|孙鹏 (1972—), 男, 教授, 博士, 主要研究方向为指挥决策、指挥控制技术|张杰勇 (1983—), 男, 副教授, 博士, 主要研究方向为指挥控制组织、体系结构设计|王鹏 (1985—), 男, 副教授, 博士, 主要研究方向为无人集群协同研究|闫云飞 (1999—), 男, 硕士研究生, 主要研究方向为服务生成与演化|赵亮 (1996—), 男, 硕士研究生, 主要研究方向为指挥信息系统
  • 基金资助:
    国家自然科学基金(61773396)

Air group intention recognition method under imbalance samples

Yutang MA, Peng SUN*, Jieyong ZHANG, Peng WANG, Yunfei YAN, Liang ZHAO   

  1. Information and Navigation College, Air Force Engineering University, Xi'an 710077, China
  • Received:2021-11-02 Online:2022-11-14 Published:2022-11-24
  • Contact: Peng SUN

摘要:

针对样本不平衡情况下空中群组意图识别问题, 提出了一种基于注意力机制的双向门控循环单元网络空中群组意图识别方法。将空中群组的状态信息编码成时序特征, 利用先验信息封装成样本标签, 提出一种改进的边界合成少数过采样方法对少数类样本边界进行处理, 以生成合适的样本集。通过双向循环机制提取空中群组目标时序特征的深层信息, 并利用注意力机制为深层信息分配权值, 以提高网络捕捉更具区分度特征的能力。实验仿真结果表明, 所提方法在样本不平衡情况下空中群组的意图识别问题上有更好的分类效果和更高的训练效率。

关键词: 意图识别, 双向门控循环单元, 注意力机制, 样本不平衡

Abstract:

To solve the problem of air group intention recognition under the condition of imbalance samples, a bidirectional gated recurrent unit network air group intention recognition method based on the attention mechanism is proposed. The state information of the air group is encoded into timing features. Prior information is used to encapsulate into sample labels. An improved borderline-synthetic minority oversampling method is proposed to generate a suitable sample set. The timing features of aerial group targets can be deeply extracted by bidirectional mechanism. Attention mechanism is introduced to improve the network's ability to capture more discriminative features by assigning weights to deep information. Experiment simulation results show that proposed method has better classification effect and higher training efficiency for the intent recognition problem of the air group in the case of imbalance samples.

Key words: intention recognition, bi-gated recurrent unit (BiGRU), attention mechanism, imbalance samples

中图分类号: