-
题名基于加权网络的系统目标毁伤效果评估
被引量：8
- 1
-
-
作者
杨伟斌
刘颖
刘健
阮树朋
雷盼飞
-
机构
解放军
空军航空大学
-
出处
《火力与指挥控制》
CSCD
北大核心
2013年第2期141-144,149,共5页
-
文摘
针对当前评估模型准确性和普适性不佳的情况,将系统化、网络化的思想应用于目标毁伤效果评估领域,并从网络特征的角度出发,提出替代度的概念,构建一种基于替代度的加权网络评估毁伤模型;最后,以无线电技术侦察阵地为例进行了分析与验证。算例表明,该模型能充分考虑技术侦察阵地各子目标间的相互关系,可实现由子目标向系统目标毁伤评估的合理过渡,所得的评估结果也更为科学、可靠。
-
关键词
系统目标
加权网络
替代度
目标毁伤效果评估
-
Keywords
system target, weighted network, replacement degree, battle damage assessment
-
分类号
N945.12
[自然科学总论—系统科学]
-
-
题名基于卷积神经网络和随机森林的毁伤效果评估方法
被引量：3
- 2
-
-
作者
魏鑫
李晓婷
赵世慧
贾婧
-
机构
北方自动控制技术研究所
-
出处
《火力与指挥控制》
CSCD
北大核心
2023年第3期185-190,共6页
-
文摘
目标毁伤效果评估是现代化战争中的重要一环。针对传统的毁伤效果评估方法无法区分目标特征与背景特征而导致评估结果不准确的问题,提出了卷积神经网络(convolutional neural network,CNN)和随机森林(random forest,RF)相结合的方法,记为CNN-F算法。通过卷积神经网络处理图像,提取图像特征,再使用随机森林替换卷积神经网络中的部分全连接层和softmax分类器进行目标毁伤结果分类。实验结果表明,该算法在准确度、精确度、召回率和F1值4个指标上都达到了较高的水平,达到了83.050%、83.585%、83.050%和82.945%,其评估结果可以为指挥员下一步决策提供参考。
-
关键词
目标毁伤效果评估
图像处理
卷积神经网络
随机森林
-
Keywords
target damage effect evaluation
image processing
convolution neural network
random forest
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
