作战仿真中基于BP-Adaboost目标威胁估计研究

作者：张峰; 胥文; 吴东岩; 陈振朋

来源：系统仿真技术, 2019, 15(03): 180-183.

DOI：10.16812/j.cnki.cn31-1945.2019.03.004

• BP神经网络
• 集成学习
• 威胁估计
• 辅助决策

对空中来袭目标进行威胁估计是作战中指挥决策的重要部分,是在目标态势的基础上,通过对目标数据量化处理而进行的综合估计,为指挥员进行兵力部署和火力分配提供重要依据。针对单一神经网络预测估计时网络结构选择困难、泛化能力差的缺点,提出了采用BP神经网络作为弱预测器,通过Adaboost进行集成学习,从而建立BP-Adaboost强预测器目标威胁估计模型。通过对不同态势情况下的样本数据进行学习,更新神经网络权值,生成BP-Adaboost强预测器。结果表明,该方法的预测误差明显优于BP、PSO-SVM和Elman-Adaboost算法。

• 单位
  中国人民解放军空军航空大学