基于深度置信网络的近距空战态势评估

发布时间：2018-02-16 13:56

本文关键词： 深度置信网络(DBN) 态势评估半监督学习网络拓扑结构密度峰值聚类　出处：《北京航空航天大学学报》2017年07期 　论文类型：期刊论文

【摘要】：针对传统态势评估方法权值确定困难、大规模数据处理和特征提取能力不足的问题,结合当前空战数据特征,将深度置信网络(DBN)应用于近距空战态势评估。通过密度峰值算法对空战特征数据进行聚类分析,并结合态势函数和专家判读进行修正,建立标准空战态势样本库;以重构误差和测试错误率为基础,建立网络拓扑结构和最优参数确定方法,提高模型的训练效率,并通过样本数据,对模型进行训练和验证。实验表明,模型态势分类正确率达到92.7%,模型运行时间满足应用需求,实例评估结果与客观态势一致性强。
[Abstract]:In view of the difficulty of weight determination in traditional situation assessment methods and the insufficient capability of large scale data processing and feature extraction, combined with the current air combat data features, The depth confidence network (DBN) is applied to the close range air combat situation assessment. The air combat feature data are clustered by the density peak value algorithm, and the standard air combat situation sample database is established by combining the situation function and expert interpretation. Based on reconstruction error and test error rate, a network topology and optimal parameter determination method is established to improve the training efficiency of the model. The model is trained and verified by sample data. The accuracy rate of model situation classification is up to 92.7%, and the running time of the model meets the requirement of application. The result of case evaluation is consistent with the objective situation.
【作者单位】：空军工程大学航空航天工程学院;
【基金】：航空科学基金(20155896026)~~
【分类号】：E11;TP311.13

【参考文献】

相关期刊论文前10条

1 黄海波;李人宪;杨琪;丁渭平;杨明亮;;基于DBNs的车辆悬架减振器异响鉴别方法[J];西南交通大学学报;2015年05期

2 张春霞;姬楠楠;王冠伟;;受限波尔兹曼机[J];工程数学学报;2015年02期

3 尹宝才;王文通;王立春;;深度学习研究综述[J];北京工业大学学报;2015年01期

4 潘广源;柴伟;乔俊飞;;DBN网络的深度确定方法[J];控制与决策;2015年02期

5 顾佼佼;刘卫华;姜文志;;基于攻击区和杀伤概率的视距内空战态势评估[J];系统工程与电子技术;2015年06期

6 左家亮;杨任农;张滢;邬蒙;肖雨泽;;基于模糊聚类的近距空战决策过程重构与评估[J];航空学报;2015年05期

7 孙永芹;世文荣;彭海军;纪金耀;;基于改进非参量法的现代空战威胁评估研究[J];火控雷达技术;2013年03期

8 张文忠;孙永芹;杨洪立;张国贤;;基于Rough集和回归型SVM的超视距空战威胁评估[J];四川兵工学报;2013年07期

9 胡云安;刘振;史建国;;态势评估的变结构区间概率动态贝叶斯网络方法[J];系统工程与电子技术;2013年09期

10 李望西;黄长强;王勇;轩永波;丁锋;;三维空间空战态势评估角度优势建模与仿真[J];电光与控制;2012年02期

相关期刊论文前10条

1 段尊雷;任光;李烨;;基于深度信念网络的轮机实操智能评估方法[J];大连海事大学学报;2017年03期

2 庞少静;李丽;;重污染废水监测技术的研究[J];环境科学与管理;2017年07期

3 任浩;屈剑锋;柴毅;唐秋;叶欣;;深度学习在故障诊断领域中的研究现状与挑战[J];控制与决策;2017年08期

4 陈莉;刘弘;;基于跨本体语义相关的三维模型检索方法[J];电子科技大学学报;2017年04期

5 裴子龙;邢进生;;基于PSO的CNN算法的改进[J];山西师范大学学报(自然科学版);2017年02期

6 陈振洲;吴双燕;范冰冰;;基于多层自动编码机的Fisher判别分析[J];华南师范大学学报(自然科学版);2017年03期

7 陈小元;;信息时代下独立学院教学管理者深度学习的问题与对策[J];郑州铁路职业技术学院学报;2017年02期

8 刘飞龙;郝文宁;陈刚;靳大尉;宋佳星;;基于双线性函数注意力Bi-LSTM模型的机器阅读理解[J];计算机科学;2017年S1期

9 陈虹;万广雪;肖振久;;基于优化数据处理的深度信念网络模型的入侵检测方法[J];计算机应用;2017年06期

10 谢心谦;刘霞;孔月萍;;基于深度学习的图像翻拍检测[J];电脑知识与技术;2017年16期

相关期刊论文前10条

1 黄海波;李人宪;丁渭平;杨明亮;朱洪林;;基于台架试验的悬架减振器异响辨识研究[J];振动与冲击;2015年02期

2 顾佼佼;赵建军;徐海峰;李天梅;;基于SPA及PSO的超视距空战态势评估[J];系统工程与电子技术;2014年04期

3 秦娜;金炜东;黄进;李智敏;刘景波;;基于EEMD样本熵的高速列车转向架故障特征提取[J];西南交通大学学报;2014年01期

4 刘建伟;刘媛;罗雄麟;;玻尔兹曼机研究进展[J];计算机研究与发展;2014年01期

5 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

6 周思羽;周胜明;吴文海;吕雪涛;;典型第四代红外格斗导弹攻击区仿真研究[J];飞机设计;2013年03期

7 张涛;于雷;周中良;王琳;;基于混合算法的空战机动决策[J];系统工程与电子技术;2013年07期

8 张建平;胡明华;吴振亚;张瑞平;;基于BP网络的空中交通管制运行品质评价[J];西南交通大学学报;2013年03期

9 段海滨;马冠军;赵振宇;;基于模糊规则和动态蚁群-贝叶斯网络的无人作战飞机态势评估[J];智能系统学报;2013年02期

10 周思羽;吴文海;孔繁峨;张楠;;基于随机决策准则的改进多级影响图机动决策方法[J];北京理工大学学报;2013年03期

【相似文献】

相关期刊论文前10条

1 于淼;杜正军;孙晓民;曾璞;;基于改进规范交战模式的作战态势评估方法[J];装备学院学报;2013年05期

2 王玉惠;韩占朋;陈哨东;王文敬;张洪波;;防空态势评估系统分析及新型评估模型研究[J];南京航空航天大学学报;2014年04期

3 陈绍顺,宁伟华,张琳;防空战斗中的态势评估模型[J];空军工程大学学报(自然科学版);2004年04期

4 陈志刚;G.H.巴尔科夫;;海战场态势评估问题的研究[J];指挥控制与仿真;2006年04期

5 杨凡,常国岑;C~3I战术态势评估系统结构与实现方法[J];空军工程大学学报(自然科学版);2002年04期

6 冯长启;高广国;杨晓霞;;美国“核态势评估”的回顾与前瞻[J];国防科技;2010年02期

7 林傲;肖兵;朱艺;;基于Petri网的反导态势评估流程建模与仿真[J];弹箭与制导学报;2014年02期

8 陈云飞;;从《核态势评估》报告看美国的新核政策[J];才智;2011年32期

9 孙碧桐;;核“新”危机——美国21世纪核战略NPR[核态势评估]报告书[J];航空世界;2002年08期

10 童奇;李建勋;童中翔;郭华;李慎波;黄鹤松;;基于机动识别的空战意图威胁建模与仿真[J];现代防御技术;2014年04期