-
题名基于改进支持向量回归的空战飞行动作识别
被引量：2
- 1
-
-
作者
刘庆利
李蕊
乔晨昊
-
机构
大连大学通信与网络重点实验室
-
出处
《现代防御技术》
北大核心
2024年第1期49-56,共8页
-
文摘
针对空战中飞机的飞行动作愈发复杂导致识别准确率低的问题,提出了改进支持向量回归的空战飞行动作识别方法,该方法采用高斯核函数作为线性核函数,利用混沌初始化和反向学习策略改进麻雀搜索算法,利用改进后的麻雀算法优化支持向量回归算法,具体表现为对支持向量回归算法中高斯核函数的参数进行优化,通过优化后的支持向量回归算法进行飞机动作识别。采用了五种基本的飞行动作和几种复杂的飞行动作验证该方法的识别准确率。仿真表明,优化后的支持向量回归算法与传统的支持向量回归算法、模糊支持向量机算法、传统聚类算法、神经网络算法相比,对基本飞行动作的平均识别率至少提升了2.2%,对复杂飞行动作的平均识别率至少提升了3.7%。
-
关键词
空战
支持向量回归
强化麻雀搜索算法
飞行动作识别
复杂动作
-
Keywords
air combat
support vector regression
intensify sparrow search algorithm
flight action recognition
complex action
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TJ76
[兵器科学与技术—武器系统与运用工程]
-
-
题名基于状态匹配与支持向量机的飞行动作识别方法
被引量：9
- 2
-
-
作者
谢川
倪世宏
张宗麟
王彦鸿
-
机构
空军工程大学工程学院
-
出处
《弹箭与制导学报》
CSCD
北大核心
2004年第S3期240-242,245,共4页
-
文摘
提出了基于状态匹配与支持向量机的飞行动作识别方法,有效地解决了训练样本难以选取、时序数据处理等难点,实验结果表明这种方法有效、可行。
-
关键词
状态匹配
支持向量机
飞行动作识别
时序数据处理
-
Keywords
state matching
support vector machines
recognition of acrobatic maneuver
time series data processing
-
分类号
V323.1
[航空宇航科学与技术—人机与环境工程]
-
-
题名基于模糊最小二乘支持向量机的飞机飞行动作识别
被引量：7
- 3
-
-
作者
杨俊
段种
谢寿生
-
机构
空军工程大学工程学院
-
出处
《弹箭与制导学报》
CSCD
北大核心
2004年第S6期395-398,共4页
-
文摘
最小二乘支持向量机是通过解一线性方程组而获得最优分类超平面,而不是传统支持向量机解二次规划问题。当问题由两类扩展到多类时,出现误分、拒分现象。针对飞行动作识别提出解决这一现象的模糊最小二乘支持向量机。采用模糊最小二乘支持向量机对某型飞机飞行动作进行识别,通过实际飞参数据(5种飞行动作模式)的识别结果表明,模糊最小二乘支持向量机较传统的支持向量分类器算法简单,较最小二乘支持向量分类器在识别率上有明显提高。
-
关键词
支持向量机
模糊最小二乘支持向量机
飞行动作识别
-
Keywords
support vector machines
fuzzy least squares support vector machines
flight action recognition
-
分类号
V249
[航空宇航科学与技术—飞行器设计]
-
-
题名基于贝叶斯网络的飞行动作识别方法
被引量：23
- 4
-
-
作者
沈一超
倪世宏
张鹏
-
机构
空军工程大学航空航天工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第24期161-167,218,共8页
-
文摘
飞行动作识别是客观评估飞行训练质量的基础。复杂机动动作具有较强的随机性和模糊性,传统的飞行动作识别方法难以有效识别。为此,提出一种基于贝叶斯网络的飞行动作识别方法。根据飞行动作中参数曲线形态特征,采用基于DTW距离的时间序列层次聚类方法进行分类;通过依赖统计分析方法确定参数曲线的描述特征;根据形态特征和描述特征构建贝叶斯网络;利用贝叶斯网络进行推理。仿真实验结果表明,基于贝叶斯网络的飞行动作识别方法对复杂机动动作具有较高的识别率。
-
关键词
飞行动作识别
形态特征
描述特征
贝叶斯网络
-
Keywords
flight action recognition
shape feature
descriptive feature
Bayesian network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进SURF的飞行训练科目自动识别
- 5
-
-
作者
张娅岚
刘芳
刘伟杰
魏永超
-
机构
中国民用航空飞行学院计算机学院
-
出处
《电讯技术》
北大核心
2025年第10期1579-1586,共8页
-
基金
中央高校基本科研业务费专项资金资助(24CAFUC03039)
西藏自治区科技重大专项资金资助(XZ202101ZY0017G)。
-
文摘
现有飞行训练科目识别方法在复杂机动动作识别中存在滞后性,忽视了现代数字技术的应用与最新规章制度的更新,其核心挑战在于如何降低匹配误差率并提升运算速度。针对上述问题,设计并构建了一种混合自动识别框架(SURF-FLANN-RANSAC Hybrid Algorithmic Framework,SFR)。首先,采用改进的加速稳健特征(Speeded Up Robust Features,SURF)算法实现驾驶舱场景内的图像特征提取与匹配。其次,引入近似最近邻快速搜索库(Approximate Nearest Neighbors,FLANN)匹配器以加速特征匹配过程,提升特征匹配效率与精度。然后,基于随机采样一致性(Random Sample Consensus,RANSAC)算法消除误匹配问题,增强算法整体鲁棒性。在大坡度盘旋、懒“8”、急上升转弯3个典型飞行训练场景自建数据集上的实验结果表明,该算法的识别精度分别为94.58%、62.95%、86.72%,与表现次佳的算法相比,分别提升了1%、20%、4%,且处理速度上实现了显著改善,为飞行训练的智能化管理提供了强有力的技术支持。
-
关键词
飞行训练动作识别
图像特征提取
特征点匹配
加速稳健特征(SURF)
-
Keywords
identification of flight training action
image feature extraction
feature point matching
speeded up robust features(SURF)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进PSO的规则提取方法
被引量：3
- 6
-
-
作者
王新亮
倪世宏
-
机构
空军工程大学工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2008年第20期221-223,共3页
-
文摘
为解决飞行动作识别规则的自动提取问题,提出一种基于改进粒子群优化算法的飞行动作规则提取方法。在对关键飞行参数特征量进行符号化的基础上,利用基于改进的动态惯性权重策略的离散二进制粒子群算法对符号化的各飞行参数特征量进行组合寻优,以找到能够完全表达飞行动作的识别规则。仿真实验表明,应用该方法得到的飞行动作识别规则简洁、有效,在实践中有良好的应用前景。
-
关键词
粒子群优化算法
惯性权重
飞行动作识别
规则提取
-
Keywords
Particle Swarm Optimization（PSO）
inertia weight
flight action recognition
rules extraction
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
