排序方式: 共有1条查询结果,搜索用时 359 毫秒
1
1.
[目的]为使舰艇能在短时间内正确预判空中来袭目标的意图,提出应用异质集成学习器解决该模糊不确定性分类问题。[方法]首先选取极限学习机、决策树、Skohonen神经网络和学习矢量化(LVQ)神经网络4种子学习器,使用集成学习结合策略构建异质集成学习器;然后利用该集成学习器训练测试训练集100次,得到该分类实验平均准确率和计算时间。为提高准确率,进行了集成修剪,剔除"劣质"的LVQ神经网络,重新构建效率更高的异质集成学习器,其实验结果具有极高的精度,但计算耗时长。为此,提出对Skohonen神经网络子分类器做"线下训练、线上调用"的改进。[结果]仿真实验表明,从探测到空中目标到预判出各来袭目标意图总用时为4.972 s,预判精度为99.93%,很好地满足了精度和实时性要求。[结论]该研究为作战决策提供了一种新颖而有效的方法,同时也为小样本分类识别问题提供了一种较好的实现途径。 相似文献
1