基于极限学习机的目标智能威胁感知技术

空中目标威胁感知是智能空战的关键技术之一。针对空中目标威胁评估问题,提出一种基于极限学习机的目标威胁智能感知策略。该方法首先提取目标威胁评估的高权重态势因子,并采用隶属度函数进行归一化数值解译;然后,借助专家知识采用极限学习机理论对威胁感知的输入输出数据进行建模,构建智能感知推理模型;最后,建立基于极限学习机的目标威胁智能感知流程。仿真结果表明,该算法具有较高的威胁感知精度以及较好的算法实时性。     

空战态势评估与威胁估计研究

提出了机载数据融合系统的概念．对空战中的态势评估从空情态势元素提取、当前空中态势判定及未来空中态势预测三方面进行了分析．对空战中威胁估计的流程从威胁元素提取、威胁合成、威胁等级确定三个阶段进行了描述。     

数据融合中的态势估计与威胁估计技术

文章在分析数据融合的概念和模型的基础上，描述了态势估计和威胁估计的功能性定义和模型，探讨了态势估计与威胁估计的实现方法，最后对态势估计与威胁估计的研究现状进行了介绍。     

基于多属性决策和态势估计结果的空战威胁评估方法

结合空战的特点,对影响目标威胁评估的属性进行了分析,并用层次分析法确定各属性的权值.根据多属性决策理论和方法,给出目标的威胁度,再根据空战的态势估计结果修正威胁度值,最终得到威胁排序结果,为传感器管理和火力分配提供依据.     

基于模糊多属性的空中目标威胁估计模型

为了准确有效地判断敌空中目标的威胁程度,本研究应用模糊集理论,建立防空作战空中目标威胁模型,从威胁要素提取、量化以及威胁等级确定等方面对该模型进行分析。该模型使复杂问题条理化,为空中目标威胁提供了科学依据。     

基于蚁群优化的BP神经网络目标威胁估计方法

根据空中目标威胁估计的特点,分析了基于BP神经网络的空中目标威胁估计方法的不足。运用蚁群优化算法(ACO)的全局寻优能力,对BP神经网络的初始权值进行优化,建立了改进的BP (ACOBP)空中目标威胁估计方法,解决了BP神经网络初始权值的随机性和网络易陷入局部极小值的问题,提高了算法的收敛速度。并采用30组训练样本数据及8组测试数据,对算法的性能进行了仿真分析。仿真结果表明,该算法估计结果准确合理,收敛速度和收敛精度均优于BP算法,证明了该方法的有效性。     

基于LSRBF神经网络的空战目标威胁评估

提出了-种基于Log-Sigmoid型径向基(简称LSRBF)神经网络的空战目标威胁评估方法.采用威胁指数法量化各因素的威胁度,运用工程模糊集方法确定因素的权重系数,在此基础上合成目标总的威胁指数,作为网络的初始训练样本.根据专家经验对不合理样本进行调整校正,得到最终的训练样本,供LSRBF神经网络训练使用.采用标准梯度下降法与指数梯度下降法相结合的学习算法,保证网络具有较强的鲁棒特性.仿真实验结果表明,LSRBF神经网络具有很好的函数逼近性能,可以成功地完成空战目标的威胁评估.     

基于层次分析法的振动目标威胁评估研究

针对振动目标威胁评估过程中各个威胁因素的权重系数难以确定的问题,提出了采用层次分析法来构建威胁评估函数,该函数能够对振动目标给出一个综合的、实用的威胁程度判断的评估值。实验结果表明采用层次分析法构建的威胁评估函数对振动目标的评估值与实际情况相符。     

基于信息熵和TOPSIS法的目标威胁评估及排序

针对现有空战目标威胁评估方法中存在的不足,提出了一种基于信息熵和TOPSIS法的空战目标威胁评估方法。首先建立了空战目标威胁评估指标,确定了角度、速度、隐身等威胁因子;为综合考虑评估中的主客观因素,采用了组合权衡因子确定最终权重;最后采用TOPSIS法作为威胁评估的解算方法,进行仿真验证,结果证明了该方法的有效性及合理性。     

基于模糊层次分析法的区域防空目标威胁等级研究

随科技的不断发展,防空目标威胁等级不断提升,对目标威胁等级进行评估,可有效应对空袭的目标,实现整体联动、科学防空.基于模糊层次分析法,构建了区域防空目标威胁等级评估模型,对目标威胁定量分析,为有效组织作战协同打下良好基础.     

基于贝叶斯网络的战场目标威胁评估

准确地对战场目标的威胁等级进行评估,是战场辅助决策系统的一个重要环节.贝叶斯网是一种进行不确定分析和推理的有效方法.介绍了联合树贝叶斯网络推理算法,分析了战场目标的威胁等级评估涉及的主要因素,建立了相应的贝叶斯网络模型,并进行了实例推理分析,其结果比较准确地反映了目标的威胁程度.     

融合遗传算法与BP神经网络的气象威胁度建模与评估

针对无人飞行器航迹规划中的气象威胁要素模糊性强、复杂多变等特点,提出一种融合遗传算法与BP神经网络的气象威胁度评估方法。利用遗传算法的全局寻优能力优化BP神经网络的初始参数及结构,结合GA-BP神经网络对气象威胁度进行建模与评估。通过Matlab仿真验证,结果表明该方法能够准确评估气象威胁度,与BP神经网络相比,具有更快的收敛速度、更好的全局收敛性,提高了评估效率与准确度。     

基于RBF神经网络的空袭目标威胁评估模型研究

为了辅助作战指挥员对空袭目标威胁程度做出正确判断,对作战提供正确决策,将径向基函数（RBF）神经网络应用于防空指挥控制系统中,给出了涉及空袭目标威胁评估的因素及其数学模型,建立了基于RBF神经网络的空袭目标威胁评估算法。同时,通过专家给出的训练样本在Matlab环境下对该模型进行了仿真计算,结果表明该模型方法评估结果准确、快速。     

基于匈牙利融合遗传算法的多无人机不平衡目标分配

基于无人机和目标之间的态势,研究不平衡目标任务分配建模和求解问题。首先,分析空战战场下无人机和目标之间的态势,提出一种某时刻的态势评估方法,建立多无人机不平衡目标分配模型;然后,用匈牙利遗传算法的目标分配算法求解该模型;最后,构建仿真算例进行仿真实验。仿真结果验证了所提算法的有效性,同时也表明了匈牙利遗传算法能够提升模型的求解效率。     

基于离差最大化的空战目标威胁评估

威胁评估是协同多目标攻击空战决策的关键技术之一。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,考虑敌我双方飞机的雷达最大探测距离和导弹最大射程的不同情况,提出了改进的距离威胁模型。针对传统威胁评估方法在确定权重系数方面的缺陷和不足,提出了运用离差最大化方法来解决目标威胁评估问题,给出了离差最大化方法确定威胁因素权重的具体步骤。建立了目标威胁评估的数学模型,并进行了仿真研究,仿真结果表明该方法是合理和有效的。     

基于模糊层次分析法的威胁估计

以地面防空警戒网为背景，提出基于模糊层次分析法的目标威胁估计模型。通过建立多层次的评价指标体系。采用递推算法给出目标层对威胁等级的隶属度。给出目标威胁的代数值，由数值的大小给出威胁等级，是对不完全、不确定信息利用的一种可靠有效的方法。     

基于数据挖掘的信息系统安全态势估计

针对当前信息系统安全态势估计存在实时性差、误差高等问题,提出数据挖掘的信息系统安全态势估计方法。将数据发现和预处理输出的资产列表以及威胁列表反馈到安全态势分析评估阶段,在对安全态势进行分析评价时,先采集引发风险的各类威胁因子,采用泊松分布方法运算威胁产生的频率,对系统资产的脆弱性进行赋值,最后获取威胁频率,采用模糊数学方法得到信息系统安全态势估计的多因素以及单因素风险决策,分析风险的损耗程度,获取综合安全态势评估值。实验结果表明所提方法可对信息系统安全态势进行精准评估。     

基于粗糙集理论的威胁估计方法研究

针对威胁估计中确定指标是否合理的问题,基于粗糙集理论,提出了威胁估计的步骤,研究了威胁估计条件属性集的约简方法,通过实例验证了粗糙集理论在威胁估计中指标约简的可行性。