检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于模糊神经网络的海面目标战术意图识别

系统工程与电子技术 2016年第8期38卷 1847-1853页

作者：陈浩任卿龙滑艺邱宇宁哈尔滨工业大学电子与信息工程学院黑龙江哈尔滨150001

传统的基于遥感解译获取的海面目标信息分析战术意图的方法,需要大量的专家知识确定输入目标属性与输出意图间的网络节点关系,而模糊神经网络只需利用输入和输出训练网络,减少了专家知识的需求。针对常用的高木-关野模糊模型不适用于战... 详细信息

传统的基于遥感解译获取的海面目标信息分析战术意图的方法,需要大量的专家知识确定输入目标属性与输出意图间的网络节点关系,而模糊神经网络只需利用输入和输出训练网络,减少了专家知识的需求。针对常用的高木-关野模糊模型不适用于战术意图识别要求的输出与输入非线性的问题,设计了基于神经网络集成的模糊系统模型,利用目标属性与对应的战术意图形成训练样本训练神经网络,分别获得输入条件的模糊隶属度以及面向不同意图的输出函数,据此识别海面目标战术意图。仿真实验结果表明,获得的目标战术意图的准确度高,与想定情况均相符。

关键词：战术意图识别模糊神经网络模糊隶属度误差回传学习算法

基于PR-OWL的战术意图识别概率本体建模

在线全文

学校读者我要写书评

暂无评论

舰船电子工程 2015年第2期35卷 86-89页

作者：陈志刚刘志坤杨露菁海军工程大学电子工程学院武汉430033

网络中心环境下的战术意图识别问题具有不确定性和分布式等特点,如何描述战术意图领域的不确定知识是战术意图识别的基础。考虑到网络中心环境下战术意图识别过程中知识共享和协同识别的需要,论文首先建立一个适合网络中心环境下战术意... 详细信息

网络中心环境下的战术意图识别问题具有不确定性和分布式等特点,如何描述战术意图领域的不确定知识是战术意图识别的基础。考虑到网络中心环境下战术意图识别过程中知识共享和协同识别的需要,论文首先建立一个适合网络中心环境下战术意图识别系统的框架结构;然后提出一种基于PR-OWL的战术意图领域知识的概率本体模型建模方法;最后,给出一个战术意图识别概率本体模型的设计实例。

关键词：网络中心环境战术意图识别概率网络本体语言指定态势贝叶斯网络

在线全文

学校读者我要写书评

暂无评论

海上目标战术意图序贯识别技术研究

系统工程与电子技术 2008年第3期30卷 462-465页

作者：冷画屏吴晓锋胡剑光余永权广东工业大学计算机学院广东广州510090 海军兵种指挥学院广东广州510430

针对舰艇指挥决策中的目标战术意图识别问题,根据领域知识的特点,提出了基于特征分量相似度的目标实时状态对意图类的支持程度算法,并用证据理论对时序上支持程度进行融合,形成目标战术意图序贯识别技术。该技术建立了目标实时特征量与... 详细信息

针对舰艇指挥决策中的目标战术意图识别问题,根据领域知识的特点,提出了基于特征分量相似度的目标实时状态对意图类的支持程度算法,并用证据理论对时序上支持程度进行融合,形成目标战术意图序贯识别技术。该技术建立了目标实时特征量与已知意图模式特征分量的标准值的相似度计算模型,论述了将该相似度转化成证据理论中基本概率分配函数的方法。最后举例说明了目标战术意图序贯识别的过程。

关键词：态势评估战术意图识别证据理论相似度计算

在线全文

学校读者我要写书评

暂无评论

典型态势下双机协同空战智能决策方法研究

典型态势下双机协同空战智能决策方法研究

作者：赵润南沈阳航空航天大学

学位级别：硕士

准确识别目标的战术意图可以提高对敌方行为的预测能力,高效的决策模型能够有效提升无人机(UAV)的作战能力,优化导引方法则可为UAV规划合理的空战占位飞行路径,以上三类关键技术是UAV在协同空战中克敌制胜的关键。传统方法在一对一对抗... 详细信息

准确识别目标的战术意图可以提高对敌方行为的预测能力,高效的决策模型能够有效提升无人机(UAV)的作战能力,优化导引方法则可为UAV规划合理的空战占位飞行路径,以上三类关键技术是UAV在协同空战中克敌制胜的关键。传统方法在一对一对抗中有着较好的表现,然而,在高度动态化的多机协同空战作战环境中,传统方法的作战能力大幅下降。因此,研发一种通用的UAV识别-决策-导引模型具有重要的工程意义。为解决在迎头、侧方、尾追等典型态势下的UAV双机协同空战决策问题,本文提出了一种典型态势下双机协同空战智能决策方法。首先,使用自回归过程(AR(p))和模糊化方法(Fuzzy)分别实现不完全和不准确信息的预处理,并在证据信息中提取19种低关联度特征和6种高关联度特征,提高了算法在非完备信息下工作时的鲁棒性。基于支持向量机(SVM)和C4.5决策树两种统计学习方法先后实现了攻击意图预测和战术意图分类,从而完成对敌方目标的战术意图识别。然后,根据先验知识设计动态贝叶斯网络(DBN)结构并完成了DBN的推理,使模型具有一定程度的双机协同战术决策能力。在此基础上,基于参数学习和结构学习方法构建增量式学习器,并针对结构学习中的非确定性多项式时间难以求解(NP-hard)的问题设计了三种约束策略,使模型具备持续进化的能力。最后,依据UAV飞行性能极限和包线边界制定约束算子,基于轨迹预测和任务分配设定优化导引量,并使用约束梯度法解算优化导引指标泛函。为评判优化导引的有效性,针对导引模型设计了三类导引评估因子,实现了优化导引的综合评估。为了验证典型态势下双机协同空战智能决策方法的有效性,本文设计了整体性的验证实验。实验结果表明,在使用3000个样本时,协同意图识别精度可达0.9681,协同战术决策精度可达0.9581。该方法在面对不完全和不准确信息时也表现良好,且具备较好的可解释性和小样本性能,算法收敛速度较快,可有效满足工程应用需求。此外,通过开展与传统方法在精度和效率方面的对比实验,证明了本文所述方法的优越性。

关键词：战术意图识别协同战术决策优化导引统计学习方法动态贝叶斯网络