本文選題：威脅估計(jì)　切入點(diǎn)：磷蝦群　出處：《光學(xué)精密工程》2016年06期 　論文類(lèi)型：期刊論文

【摘要】：為提高目標(biāo)威脅估計(jì)的預(yù)測(cè)精度,在傳統(tǒng)支持向量機(jī)優(yōu)化方法的基礎(chǔ)上,提出了采用磷蝦群算法優(yōu)化支持向量機(jī)的威脅估計(jì)方法。介紹了磷蝦群算法和支持向量機(jī)的原理,并基于此采用磷蝦群算法對(duì)支持向量機(jī)中的懲罰參數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化,尋找最優(yōu)的懲罰參數(shù)和核函數(shù)參數(shù);建立磷蝦群優(yōu)化支持向量機(jī)的目標(biāo)威脅估計(jì)模型,并實(shí)現(xiàn)基于該模型的目標(biāo)威脅估計(jì)算法。采集90組原始數(shù)據(jù)組成訓(xùn)練集、30組數(shù)據(jù)組成測(cè)試集,對(duì)該目標(biāo)威脅估計(jì)算法進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,磷蝦群算法優(yōu)化支持向量機(jī)的預(yù)測(cè)誤差為0.002 91,小于采用粒子群算法或螢火蟲(chóng)算法優(yōu)化的支持向量機(jī)。結(jié)果表明,磷蝦群優(yōu)化支持向量機(jī)的目標(biāo)威脅估計(jì)方法可以有效地完成目標(biāo)威脅估計(jì)。
[Abstract]:In order to improve the prediction accuracy of target threat estimation, based on the traditional support vector machine (SVM) optimization method, a threat estimation method using krill swarm algorithm to optimize support vector machine (SVM) is proposed, and the principle of krill swarm algorithm and support vector machine (SVM) is introduced. Based on this, the penalty parameters and kernel function parameters in support vector machine are optimized by using the krill swarm algorithm, the optimal penalty parameters and kernel function parameters are found, and the target threat estimation model of krill swarm optimization support vector machine is established. The target threat estimation algorithm based on this model is implemented. 90 groups of raw data are collected to form a training set and 30 groups of data constitute a test set. The simulation experiment of the target threat estimation algorithm is carried out. The experimental results show that, The prediction error of krill swarm optimization support vector machine is 0.002.91, which is smaller than that of particle swarm optimization or firefly algorithm. The target threat estimation method based on optimal support vector machine (SVM) for krill population can effectively accomplish the target threat estimation.
【作者單位】： 中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;中國(guó)科學(xué)院大學(xué);
【基金】：國(guó)家自然基金青年基金(No.61205143)
【分類(lèi)號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 刁聯(lián)旺;于永生;;目標(biāo)威脅估計(jì)的決策樹(shù)方法[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

2 王小龍;宋裕農(nóng);丁文強(qiáng);;基于分層貝葉斯網(wǎng)絡(luò)的反潛編隊(duì)對(duì)潛威脅估計(jì)[J];火力與指揮控制;2014年04期

3 李姜;郭立紅;;基于改進(jìn)支持向量機(jī)的目標(biāo)威脅估計(jì)[J];光學(xué)精密工程;2014年05期

4 史志富;郭曜華;;機(jī)載光電系統(tǒng)目標(biāo)威脅估計(jì)的模糊貝葉斯網(wǎng)絡(luò)方法[J];傳感技術(shù)學(xué)報(bào);2011年11期

5 趙建軍;王毅;楊利斌;付龍文;;基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的防空作戰(zhàn)威脅估計(jì)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年11期

6 王曉帆;王寶樹(shù);羅磊;;基于粗糙集與計(jì)劃識(shí)別的威脅估計(jì)方法[J];計(jì)算機(jī)科學(xué);2011年S1期

7 趙建軍;王毅;楊利斌;;基于時(shí)間序列預(yù)測(cè)的威脅估計(jì)方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2014年03期

8 吳天俁;張安;李亮;;基于離散模糊動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的空戰(zhàn)威脅估計(jì)[J];火力與指揮控制;2009年10期

9 李金鳳;錢(qián)建剛;曲彥雙;;基于粗糙集理論的威脅估計(jì)方法研究[J];艦船電子對(duì)抗;2009年05期

10 楊健;高文逸;劉軍;;一種基于貝葉斯網(wǎng)絡(luò)的威脅估計(jì)方法[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

相關(guān)博士學(xué)位論文 前1條

1 王改革;基于智能算法的目標(biāo)威脅估計(jì)[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2013年

相關(guān)碩士學(xué)位論文 前1條

1 賀穎;多源異質(zhì)傳感器決策層融合算法及其應(yīng)用研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：1621127