基于修正核函数的支持向量机空袭目标威胁评估

被引：3

作者：

黄现江

余思明

机构：

[1] 中国电子科技集团公司第二十八研究所

来源：

指挥控制与仿真 | 2009年 / 31卷 / 06期

关键词：

威胁评估; 支持向量机; 核函数;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为提高空袭目标威胁评估的准确性,在分析目标威胁评估特点的基础上,提出了一种基于修正核函数的支持向量机空袭目标威胁评估方法。该方法以黎曼几何为理论依据,通过构造一种新的保角变换,并利用该保角变换对核函数进行修正,可提高支持向量机用于空袭目标威胁评估的精度。通过实例仿真与标准支持向量机方法进行比较,说明了该方法的有效性和优越性。

引用

页码：33 / 35

页数：3

共 7 条

[1] 基于主成分分析和支持向量机的威胁判断模型 [J].

高尚 .

数学的实践与认识, 2008, (04) :1-6

[2] 基于支持向量机的威胁判断模型 [J].

高尚 ;

杨静宇 .

火力与指挥控制, 2006, (02) :55-58+61

[3] 基于模糊神经网络的空袭目标威胁评估 [J].

刘雁兵 ;

刘付显 .

战术导弹技术, 2005, (03) :9-12

[4] 地空导弹武器系统的威胁判断及火力分配模型 [J].

万自明 ;

温羡峤 .

系统工程与电子技术, 1988, (03) :80-83

[5]

Conformal Transformation of Kernel Functions: A Data-Dependent Way to Improve Support Vector Machine Classifiers[J] . Si Wu,Shun-Ichi Amari.Neural Processing Letters . 2002 (1)

[6] Improving support vector machine classifiers by modifying kernel functions [J].

Amari, S ;

Wu, S .

NEURAL NETWORKS, 1999, 12 (06) :783-789

[7]

The nature of statistical learning theory .2 Vapnik V. Springer . 2001

← 1 →