摘要:
目标威胁评估是空战态势感知中的关键问题。针对传统评估方法难以兼具准确性和实时性的缺陷,提出了一种基于自适应推进极限学习机(extreme learning machine_ adaptive boosting, ELM_AdaBoost)强预测器的新方法。结合AdaBoost分类算法对ELM算法进行改进,提出了ELM_AdaBoost算法,构造了ELM_AdaBoost强预测器。在空战训练测量仪中选取空战数据,利用威胁指数法构造了目标威胁评估样本数据。构建了基于ELM_AdaBoost强预测器的空战目标威胁评估模型,在一定范围内确定了使算法预测精度相对较好的ELM网络隐含层节点数和弱预测器个数。通过仿真实验分析了评估的精度和实时性,结果表明该方法在保证较高评估精度的同时减少了评估所用时间,可以准确、快速地进行空战目标威胁评估
徐西蒙, 杨任农, 符颖, 赵雨. 基于ELM_AdaBoost强预测器的空战目标威胁评估[J]. 系统工程与电子技术, 2018, 40(8): 1760-1768.
XU Ximeng, YANG Rennong, FU Ying, ZHAO Yu. Target threat assessment in air combat based on ELM_AdaBoost strong predictor[J]. Systems Engineering and Electronics, 2018, 40(8): 1760-1768.