检索结果-维普期刊中文期刊服务平台

基于SAPSO优化灰色神经网络的空中目标威胁估计被引量：28: 1; 作者刘海波王和平沈立顶《西北工业大学学报》 EI CAS CSCD 北大核心 2016年第1期25-32,共8页; 针对目标威胁估计有很多不确定性的特点,分析了传统目标威胁估计方法和灰色神经网络初始参数随机选择的不足。采用模拟退火改进的粒子群算法代替梯度修正法,对网络参数初始值进行寻优,并通过该方法搜寻到的最优粒子,建立了基于模拟退火... 展开更多; 关键词灰色系统神经网络模拟退火粒子群算法目标威胁估计; 在线阅读下载PDF 职称材料

基于改进支持向量机的目标威胁估计被引量：19: 2; 作者李姜郭立红《光学精密工程》 EI CAS CSCD 北大核心 2014年第5期1354-1362,共9页; 针对信息融合中目标威胁估计的特点,分析了传统目标威胁估计方法和支持向量机(SVM)的不足。采用粒子群算法(PSO)对SVM中惩罚参数c和核函数g进行优化,建立了改进的SVM(PSO_SVM)目标威胁估计模型及算法。介绍了粒子群算法和支持向量机的原... 展开更多; 关键词信息融合目标威胁估计粒子群算法支持向量机; 在线阅读下载PDF 职称材料

基于数据仓库技术的目标威胁估计模型被引量：3: 3; 作者刘昌云宋万德贺正洪《空军工程大学学报（自然科学版）》 CSCD 2001年第4期70-73,共4页; 介绍了数据仓库的定义、特征以及相关的关键技术 ,并结合战场威胁估计的实时性、重要性 ,定义了模型的数据仓库。在此基础上 ,构造了基于数据仓库的目标威胁估计模型 ,并进一步建立了目标威胁估计的星型数据组织模型。运用数据仓库技术... 展开更多; 关键词数据仓库目标威胁估计模型星形数据组织模型空袭威胁空战; 在线阅读下载PDF 职称材料

基于改进KH算法优化ELM的目标威胁估计被引量：3: 4; 作者傅蔚阳刘以安薛松《智能系统学报》 CSCD 北大核心 2018年第5期693-699,共7页; 为了提高目标威胁度估计的精确度,建立了反向学习磷虾群算法(OKH)优化极限学习机的目标威胁估计模型(OKH-ELM),提出基于此模型的算法。该模型使用反向学习策略优化磷虾群算法,并通过改进后的磷虾群算法优化极限学习机初始输入权重和偏置... 展开更多; 关键词目标威胁估计磷虾群算法极限学习机反向学习神经网络权值阈值威胁估计模型; 在线阅读下载PDF 职称材料

基于改进粒子群算法的多传感器探测联盟模型: 5; 作者张振吴建峰 +1 位作者谢家豪罗瑞宁《火力与指挥控制》 CSCD 北大核心 2022年第12期14-19,共6页; 针对传统多传感器联盟在进行目标分配时考虑要素不全面、算法收敛慢、求解质量低等问题,提出了一种基于改进粒子群算法的多传感器探测联盟模型。通过增加目标威胁度的因素构建多传感器多目标分配模型,同时在改进粒子群算法中,赋予粒子... 展开更多; 关键词多传感器探测联盟目标威胁估计改进粒子群算法模型; 在线阅读下载PDF 职称材料

题名基于SAPSO优化灰色神经网络的空中目标威胁估计被引量：28: 1; 作者刘海波王和平沈立顶; 机构西北工业大学航空学院西北工业大学深圳研究院; 出处《西北工业大学学报》 EI CAS CSCD 北大核心 2016年第1期25-32,共8页; 基金深圳市科技研发基金(CXZZ20120831170042239)资助; 文摘针对目标威胁估计有很多不确定性的特点,分析了传统目标威胁估计方法和灰色神经网络初始参数随机选择的不足。采用模拟退火改进的粒子群算法代替梯度修正法,对网络参数初始值进行寻优,并通过该方法搜寻到的最优粒子,建立了基于模拟退火粒子群算法优化的灰色神经网络模型,以提高预测模型的稳健性和精确度。与灰色神经网络和没有改进的粒子群灰色神经网络等方法进行比较,仿真实验结果表明,模拟退火粒子群优化的灰色神经网络具有很好的预测能力,可以准确地完成空中目标威胁估计。; 关键词灰色系统神经网络模拟退火粒子群算法目标威胁估计; Keywords backpropagation algorithms, computer simulation, differential equations, eigenvalues and eigenfunc-tions, errors, estimation, flowcharting, forecasting, mathematical models, membership functions,neural networks, optimization, particle swarm optimization （PSO）, probability, regressionanalysis,simulated annealing, temperature, time series, topology, GNNM（ Grey Neural Networks Model）, greysystem, SAPSO （simulated annealing particle swarm optimization）, Target threat optimization.; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进支持向量机的目标威胁估计被引量：19: 2; 作者李姜郭立红; 机构中国科学院长春光学精密机械与物理研究所中国科学院大学; 出处《光学精密工程》 EI CAS CSCD 北大核心 2014年第5期1354-1362,共9页; 基金国家重点实验室研究基金资助项目(No.SKLLIM0902-01); 文摘针对信息融合中目标威胁估计的特点,分析了传统目标威胁估计方法和支持向量机(SVM)的不足。采用粒子群算法(PSO)对SVM中惩罚参数c和核函数g进行优化,建立了改进的SVM(PSO_SVM)目标威胁估计模型及算法。介绍了粒子群算法和支持向量机的原理,建立了一种新的PSO_SVM目标威胁估计模型;基于该模型,实现了PSO_SVM目标威胁估计算法。为适应该算法,对数据进行了预处理,包括数据量化和归一化。交叉验证寻找最佳参数时,采用PSO算法进行优化。采集75组原始数据用于仿真实验,其中60组作为训练集,15组作为测试集。仿真实验表明,该算法预测误差为0,达到了预期目标。实验结果真实、准确地反映了实际情况,证明了该方法的有效性。; 关键词信息融合目标威胁估计粒子群算法支持向量机; Keywords information fusion target threat assessment particle swarm optimization Support Vector Machine（SVM）; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于数据仓库技术的目标威胁估计模型被引量：3: 3; 作者刘昌云宋万德贺正洪; 机构空军工程大学导弹学院; 出处《空军工程大学学报（自然科学版）》 CSCD 2001年第4期70-73,共4页; 文摘介绍了数据仓库的定义、特征以及相关的关键技术 ,并结合战场威胁估计的实时性、重要性 ,定义了模型的数据仓库。在此基础上 ,构造了基于数据仓库的目标威胁估计模型 ,并进一步建立了目标威胁估计的星型数据组织模型。运用数据仓库技术进行目标威胁估计 ,能够提高对空中目标的威胁估计快速性、精确性和预测能力。; 关键词数据仓库目标威胁估计模型星形数据组织模型空袭威胁空战; Keywords data warehouse threat estimation model; 分类号 E256 [军事—军事理论] TP311.13 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于改进KH算法优化ELM的目标威胁估计被引量：3: 4; 作者傅蔚阳刘以安薛松; 机构江南大学物联网工程学院中国船舶重工集团公司第七研究院电子部; 出处《智能系统学报》 CSCD 北大核心 2018年第5期693-699,共7页; 基金江苏省自然科学基金项目(BK20160162); 文摘为了提高目标威胁度估计的精确度,建立了反向学习磷虾群算法(OKH)优化极限学习机的目标威胁估计模型(OKH-ELM),提出基于此模型的算法。该模型使用反向学习策略优化磷虾群算法,并通过改进后的磷虾群算法优化极限学习机初始输入权重和偏置,使优化后的极限学习机能够对威胁度测试样本集做更好的预测。实验结果显示,OKH算法能够更好地优化极限学习机的权值与阈值,使建立的极限学习机目标威胁估计模型具有更高的预测精度和更强的泛化能力,能够精准、有效地实现目标威胁估计。; 关键词目标威胁估计磷虾群算法极限学习机反向学习神经网络权值阈值威胁估计模型; Keywords target threat assessment Krill Herd algorithm extreme learning machine opposition-based learning neural networks weights thresholds threat estimation model; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进粒子群算法的多传感器探测联盟模型: 5; 作者张振吴建峰谢家豪罗瑞宁; 机构空军工程大学防空反导学院; 出处《火力与指挥控制》 CSCD 北大核心 2022年第12期14-19,共6页; 基金国家自然科学基金资助项目(61703424)。; 文摘针对传统多传感器联盟在进行目标分配时考虑要素不全面、算法收敛慢、求解质量低等问题,提出了一种基于改进粒子群算法的多传感器探测联盟模型。通过增加目标威胁度的因素构建多传感器多目标分配模型,同时在改进粒子群算法中,赋予粒子负强化因子和碰撞因子,使粒子能够进行负向学习并具有能够跳出局部最优的能力。仿真结果表明,与基本粒子群算法和其他算法相比,改进后的算法有着更快的收敛速度,且得到的探测联盟的解的质量也更高。; 关键词多传感器探测联盟目标威胁估计改进粒子群算法模型; Keywords multi-sensor detection alliance target threat estimation improved particle swarm optimization algorithm model; 分类号 TN213 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于SAPSO优化灰色神经网络的空中目标威胁估计	刘海波王和平沈立顶	《西北工业大学学报》 EI CAS CSCD 北大核心	2016	28	在线阅读下载PDF 职称材料
2	基于改进支持向量机的目标威胁估计	李姜郭立红	《光学精密工程》 EI CAS CSCD 北大核心	2014	19	在线阅读下载PDF 职称材料
3	基于数据仓库技术的目标威胁估计模型	刘昌云宋万德贺正洪	《空军工程大学学报（自然科学版）》 CSCD	2001	3	在线阅读下载PDF 职称材料
4	基于改进KH算法优化ELM的目标威胁估计	傅蔚阳刘以安薛松	《智能系统学报》 CSCD 北大核心	2018	3	在线阅读下载PDF 职称材料
5	基于改进粒子群算法的多传感器探测联盟模型	张振吴建峰谢家豪罗瑞宁	《火力与指挥控制》 CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料