基于ElmanAdaBoost强预测器的目标威胁评估模型及算法

被引：30

作者：

王改革 ^{[1
,2
]}

郭立红 ^{[1
]}

段红 ^{[3
]}

刘逻 ^{[1
,2
]}

王鹤淇 ^{[1
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院研究生院

[3] 东北师范大学计算机科学与信息技术学院

来源：

电子学报 | 2012年 / 40卷 / 05期

关键词：

目标威胁评估; 模型; 算法; ElmanAdaBoost;

D O I：

暂无

中图分类号：

TP202 [设计、性能分析与综合];

学科分类号：

0811 ; 081101 ; 081102 ;

摘要：

目标威胁评估是协同目标攻击中的关键问题.为提高空战目标威胁评估的准确性和实用性,建立了E-lmanAdaBoost强预测器目标威胁评估模型及算法.首先,介绍了ElmanAdaBoost强预测器;其次,建立了ElmanAd-aBoost强预测器目标威胁评估模型;最后,提出了基于ElmanAdaBoost强预测器目标威胁评估模型的算法.采集75组数据用于实验,其中60组作为训练集,15组作为测试集.分别选择Elman网络隐层节点数L=7,11,14,18和弱预测器数目K=6,10,16,20进行实验,结果表明,ElmanAdaBoost强预测器算法预测误差远小于弱预测器且在L=7和K=6时误差达到最小.ElmanAdaBoost强预测器目标威胁评估模型和算法具有很好的预测能力,可以快速、准确地完成作战目标威胁评估.

引用

页码：901 / 906

页数：6

共 10 条

[1] 一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法 [J].