本文選題：威脅估計　切入點：磷蝦群　出處：《光學精密工程》2016年06期 　論文類型：期刊論文

【摘要】：為提高目標威脅估計的預測精度,在傳統(tǒng)支持向量機優(yōu)化方法的基礎上,提出了采用磷蝦群算法優(yōu)化支持向量機的威脅估計方法。介紹了磷蝦群算法和支持向量機的原理,并基于此采用磷蝦群算法對支持向量機中的懲罰參數和核函數參數進行優(yōu)化,尋找最優(yōu)的懲罰參數和核函數參數;建立磷蝦群優(yōu)化支持向量機的目標威脅估計模型,并實現基于該模型的目標威脅估計算法。采集90組原始數據組成訓練集、30組數據組成測試集,對該目標威脅估計算法進行仿真實驗。實驗結果顯示,磷蝦群算法優(yōu)化支持向量機的預測誤差為0.002 91,小于采用粒子群算法或螢火蟲算法優(yōu)化的支持向量機。結果表明,磷蝦群優(yōu)化支持向量機的目標威脅估計方法可以有效地完成目標威脅估計。
[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】： 中國科學院長春光學精密機械與物理研究所;中國科學院大學;
【基金】：國家自然基金青年基金(No.61205143)
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 刁聯旺;于永生;;目標威脅估計的決策樹方法[J];江南大學學報(自然科學版);2009年05期

2 王小龍;宋裕農;丁文強;;基于分層貝葉斯網絡的反潛編隊對潛威脅估計[J];火力與指揮控制;2014年04期

3 李姜;郭立紅;;基于改進支持向量機的目標威脅估計[J];光學精密工程;2014年05期

4 史志富;郭曜華;;機載光電系統(tǒng)目標威脅估計的模糊貝葉斯網絡方法[J];傳感技術學報;2011年11期

5 趙建軍;王毅;楊利斌;付龍文;;基于動態(tài)貝葉斯網絡的防空作戰(zhàn)威脅估計[J];計算機技術與發(fā)展;2012年11期

6 王曉帆;王寶樹;羅磊;;基于粗糙集與計劃識別的威脅估計方法[J];計算機科學;2011年S1期

7 趙建軍;王毅;楊利斌;;基于時間序列預測的威脅估計方法[J];浙江大學學報(工學版);2014年03期

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

9 李金鳳;錢建剛;曲彥雙;;基于粗糙集理論的威脅估計方法研究[J];艦船電子對抗;2009年05期

10 楊健;高文逸;劉軍;;一種基于貝葉斯網絡的威脅估計方法[J];解放軍理工大學學報(自然科學版);2010年01期

相關博士學位論文 前1條

1 王改革;基于智能算法的目標威脅估計[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2013年

相關碩士學位論文 前1條

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

，

本文編號：1621127