天基信息系統(tǒng)效能的評(píng)估對(duì)于一體化作戰(zhàn)的現(xiàn)代戰(zhàn)爭(zhēng)具有重要意義。針對(duì)武器系統(tǒng)效能評(píng)估的影響因子復(fù)雜、樣本數(shù)量少、非線性較強(qiáng)等特點(diǎn),采用支持向量回歸機(jī)算法,并引入布谷鳥搜索算法對(duì)支持向量回歸機(jī)的3個(gè)參數(shù)進(jìn)行優(yōu)化選取。仿真實(shí)驗(yàn)結(jié)果表明,改進(jìn)支持向量回歸機(jī)與傳統(tǒng)支持向量回歸機(jī)、BP神經(jīng)網(wǎng)絡(luò)相比,具有更高的準(zhǔn)確度,可以有效地對(duì)天基信息系統(tǒng)進(jìn)行效能評(píng)估。 

【文章來(lái)源】：火力與指揮控制. 2020,45(07)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

所示，從結(jié)果可以看出，CS-SVR的R-square值已經(jīng)超過(guò)了0.8，具有很好

預(yù)測(cè)輸出結(jié)果對(duì)比

（總第45-）x1x2x310.250.3250.2720.250.3380.4430.330.3690.434610.9231x40.170.270.291x5x6x7x8效能值0.310.150.340.110.180.280.20.260.260.220.550.240.330.310.290.9210.9310.9840.330.4470.540.390.370.410.390.320.3250.50.4410.840.330.560.440.450.390.364510.8080.960.8810.910.840.940.96表1部分?jǐn)?shù)據(jù)樣本圖2平均絕對(duì)誤差對(duì)比圖胡笛，等：基于改進(jìn)支持向量回歸機(jī)的天基信息系統(tǒng)效能評(píng)估信息系統(tǒng)的作戰(zhàn)效能，筆者對(duì)相關(guān)研究院所及相關(guān)領(lǐng)域?qū)＜疫M(jìn)行走訪調(diào)研，通過(guò)作戰(zhàn)系統(tǒng)仿真結(jié)合專家打分的方式，獲得了46組原始樣本。將這46組樣本數(shù)據(jù)進(jìn)行歸一化處理后，隨機(jī)選取40組樣本作為訓(xùn)練樣本，剩余的6組樣本為測(cè)試樣本，部分?jǐn)?shù)據(jù)如表1所示。在仿真過(guò)程中，采用python編碼，決策變量為CS-SVR中的著-不靈敏損失函數(shù)、損失參數(shù)C和徑向基核函數(shù)參數(shù)滓，取值范圍依次為（0，1），（0，10），（0，100）。布谷鳥算法的鳥巢數(shù)量n設(shè)置為30，發(fā)現(xiàn)概率Pa設(shè)置為0.25，迭代次數(shù)為100，適應(yīng)度函數(shù)設(shè)置為平均均方誤差，布谷鳥搜索算法尋優(yōu)的結(jié)果著=0.1，滓=0.01，C=6.5。為了驗(yàn)證CS-SVR的評(píng)估模型的評(píng)估效果，將其與libsvm中默認(rèn)參數(shù)的著-SVR和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行比較，神經(jīng)網(wǎng)絡(luò)的層數(shù)設(shè)置為3層，結(jié)構(gòu)為8-10-1，學(xué)習(xí)速率為0.5。使用同樣的訓(xùn)練樣本和測(cè)試樣本，分別對(duì)CS-SVR評(píng)估模型、默認(rèn)參數(shù)支持向量回歸機(jī)和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與測(cè)試，得到的輸出值和真實(shí)值的對(duì)比圖如圖1所示。圖1預(yù)測(cè)輸出結(jié)果對(duì)比為了更好地反映預(yù)測(cè)值誤差的實(shí)際情況，分別計(jì)算了3個(gè)模型的平均絕對(duì)誤差，平均絕對(duì)誤差公式如下公式所示：（10）平均絕對(duì)誤差對(duì)比圖如


本文編號(hào)：3408553