科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对实际运用中的战术目标类别识别精度不高的问题，设计了一种战术目标类别识别框架，提出了一种基于Borderline-SMOTE的改进小样本战术目标数据采样方法，利用战术目标特征个体在整体数据集中的互信息的sigmoid函数作为遗传算法的适应度函数，并运用到选择、交叉和终止计算中，从而加速最优特征子集的选择，使用LightGBM等算法搭建一个战术目标类别的识别的Stacking集成算法模型，通过历史数据验证了该方法的有效性。
- 单位
针对实际运用中的战术目标类别识别精度不高的问题，设计了一种战术目标类别识别框架，提出了一种基于Borderline-SMOTE的改进小样本战术目标数据采样方法，利用战术目标特征个体在整体数据集中的互信息的sigmoid函数作为遗传算法的适应度函数，并运用到选择、交叉和终止计算中，从而加速最优特征子集的选择，使用LightGBM等算法搭建一个战术目标类别的识别的Stacking集成算法模型，通过历史数据验证了该方法的有效性。
