發(fā)布時間：2021-08-20 00:43

　　無人機(jī)多次在現(xiàn)代戰(zhàn)場中展現(xiàn)了其突出的軍事優(yōu)勢,受到了國內(nèi)外廣泛關(guān)注。威脅評估是無人機(jī)任務(wù)規(guī)劃系統(tǒng)的核心部分,但在實(shí)際戰(zhàn)場上,可以獲取的數(shù)據(jù)量是有限的,嚴(yán)重影響了無人機(jī)威脅評估的建模質(zhì)量。因此,本文采用貝葉斯網(wǎng)絡(luò)（Bayesian Network,簡稱BN）對小數(shù)據(jù)集條件下建模方法進(jìn)行了研究。本文的主要研究內(nèi)容如下:（1）針對經(jīng)典鳥群算法易于陷入局部最優(yōu)的問題,提出了改進(jìn)的鳥群算法。首先,引入自適應(yīng)慣性權(quán)重,自適應(yīng)調(diào)整搜索空間,使算法易跳出局部最優(yōu);其次,根據(jù)適應(yīng)度值將鳥群劃分為生產(chǎn)者和跟隨者,加快了算法的收斂速度。最后,通過對典型測試函數(shù)的數(shù)值實(shí)驗(yàn),證明了改進(jìn)鳥群算法的有效性。（2）本文將改進(jìn)鳥群算法與專家約束結(jié)合用于小數(shù)據(jù)集條件下的BN結(jié)構(gòu)學(xué)習(xí),提出了小數(shù)據(jù)集條件下基于改進(jìn)鳥群算法的BN結(jié)構(gòu)學(xué)習(xí)算法。小數(shù)據(jù)集蘊(yùn)含的信息不全面,專家約束可以彌補(bǔ)信息的不足,改善改進(jìn)鳥群算法的初始網(wǎng)絡(luò)和搜索過程。本文在小數(shù)據(jù)集條件下,利用Chest Clinic網(wǎng)絡(luò)、Animal Characteristics網(wǎng)絡(luò)和Car Diagnosis網(wǎng)絡(luò)對本文算法、基于經(jīng)典鳥群算法和粒子群算法的BN結(jié)構(gòu)學(xué)習(xí)算法得... 

【文章來源】：西安工程大學(xué)陜西省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

涉及六個變量的BN圖

N ]之間的隨機(jī)整數(shù)，且 k i；N 是種群大��；1a 和2a 是常數(shù)，間；第i只鳥的適應(yīng)度值用ipFit 表示；全部鳥的適應(yīng)度之和用sumFit 表機(jī)中最小的常數(shù)；鳥群的平均位置用jmean 表示。鳥的適應(yīng)度值越小表。飛行行為群會因?yàn)樘颖塬C人追捕而定期的向別的區(qū)域移動。設(shè)鳥群的遷移周期為其他的區(qū)域后，它們會繼續(xù)覓食。覓食過程中，一部分鳥作為生產(chǎn)者領(lǐng)食物。生產(chǎn)者和跟隨者可以根據(jù)規(guī)則 4 從種群中劃分，它們的行為分別3-5)和式(3-6)描述。(0,1),,1,xxxrandntijtijtij ()(0,1),,,1,xxxxFLrandtijtkjtijtij randn(0,1)表示產(chǎn)生一個服從期望值為 0，標(biāo)準(zhǔn)差為 1 的高斯分布的隨N]，且 k i；FL( FL [0,1])為跟隨者跟著生產(chǎn)者覓食的概率。圖 3-1 給出了經(jīng)典鳥群算法的流程圖。

條件下基于改進(jìn)鳥群算法的 BN 結(jié)紹了一種基于經(jīng)典鳥群算法的 BN 結(jié)構(gòu)學(xué)習(xí)算法。然法應(yīng)用于 BN 結(jié)構(gòu)學(xué)習(xí)中，并通過專家經(jīng)驗(yàn)約束構(gòu)建數(shù)據(jù)集條件下的 BN 結(jié)構(gòu)學(xué)習(xí)，最終通過實(shí)驗(yàn)仿真驗(yàn)的表示形式一個有向無環(huán)圖，對應(yīng)于鳥群算法我們可以將一個有一個有向無環(huán)圖可以用一個 N 階矩陣G 來表示， N義如下： 01節(jié)點(diǎn)和節(jié)點(diǎn)之間沒有邊節(jié)點(diǎn)和節(jié)點(diǎn)之間有一條的有向邊ijijij

【參考文獻(xiàn)】：
期刊論文
[1]幾何分布的參數(shù)估計(jì)及EM算法[J]. 張夢琇,周菊玲.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2018(20)
[2]軍用無人機(jī)技術(shù)智能化發(fā)展及應(yīng)用[J]. 尹欣繁,章貴川,彭先敏,李雷,田斌.  國防科技. 2018(05)
[3]蝙蝠算法理論研究[J]. 趙萍,許德剛.  電子質(zhì)量. 2018(09)
[4]基于混合粒子群優(yōu)化的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法[J]. 尉永清,陳小雪,伊靜,孟媛媛.  小型微型計(jì)算機(jī)系統(tǒng). 2018(09)
[5]基于DDBN-Cloud的艦艇編隊(duì)防空目標(biāo)威脅評估方法[J]. 孫海文,謝曉方,孫濤,張龍杰.  系統(tǒng)工程與電子技術(shù). 2018(11)
[6]美國防部發(fā)布《2017—2042年無人系統(tǒng)綜合路線圖》[J].   飛航導(dǎo)彈. 2018(08)
[7]基于爬山算法的自適應(yīng)遺傳算法[J]. 任芳,沈文輝,范迪.  工業(yè)控制計(jì)算機(jī). 2018(07)
[8]基于拓?fù)渑判虻呢惾~斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法[J]. 蘇樹偉,范科峰,莫瑋.  電視技術(shù). 2018(05)
[9]基于AHP與熵權(quán)法的空中目標(biāo)威脅評估方法[J]. 孔尚萍,張海瑞,廖選平,洪東跑.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2018(01)
[10]基于蟻群節(jié)點(diǎn)尋優(yōu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)算法研究[J]. 劉浩然,孫美婷,李雷,劉永記,劉彬.  儀器儀表學(xué)報. 2017(01)

博士論文
[1]貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)與推理研究[D]. 朱明敏.西安電子科技大學(xué) 2013

碩士論文
[1]基于超結(jié)構(gòu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[D]. 胡慧君.西安電子科技大學(xué) 2016
[2]基于貝葉斯網(wǎng)絡(luò)的電機(jī)故障診斷研究[D]. 趙月南.浙江大學(xué) 2016
[3]基于小樣本數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)研究[D]. 高梅.西安電子科技大學(xué) 2015



本文編號：3352463