变分自编码器结合聚类算法在空战态势评估问题上的应用
Application of variational autoencoder combined with clustering algorithm in air combat situation assessment作者机构：空军工程大学空管领航学院 中国人民解放军95939部队
出 版 物：《国防科技大学学报》 (Journal of National University of Defense Technology)
年 卷 期：2019年第41卷第4期
页 面：144-155页
核心收录：
学科分类：11[军事学] 12[管理学] 1103[军事学-战役学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0701[理学-数学] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0801[工学-力学（可授工学、理学学位）]
基 金：国家自然科学基金青年基金资助项目(71501184) 航空科学基金资助项目(201551960322) 陕西省自然科学基金资助项目(2016JQ6050)
主 题：态势评估 变分自编码器 混合密度网络 权重不确定限制玻尔兹曼机 聚类算法
摘 要：针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题,提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点,提出基于时间段的空战态势分类方法,将敌我双方态势划分为四类。在变分自编码器的基础上,提出了VAE-WRBM-MDN特征提取模型,即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度,使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类,并结合态势函数和实际战场情况修正聚类结果,形成正确的态势分类标准。在实验部分,分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明,模型态势分类正确率和运行时间均满足应用需求,实例评估结果与客观态势一致性强,所提方法具有实际应用价值。
同方期刊数据库