排序方式: 共有21条查询结果,搜索用时 0 毫秒
1.
2.
用粗集-模糊神经网络评定空袭目标威胁程度 总被引:2,自引:0,他引:2
针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上:在这个子空间上用改进的BP算法训练进行逼近.实验结果表明:通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求. 相似文献
3.
4.
5.
6.
7.
针对目标进行威胁等级判断时,由于获得的空中目标属性信息的不完全性和不确定性带来的决策困难问题,采用把粗糙集理论引入到空战决策系统中,根据空战冗余信息是可以约简的结论,提出了一种利用粗糙集理论约简求取规则的决策算法。应用SOM网络离散化决策系统输入数据的连续属性值,利用粗集数据分析方法,从数据中提取出规则将输入映射到输出的子空间。通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,因此特别适合对空战信息的融合。 相似文献
8.
结合光电干扰武器系统的工作过程,对影响目标威胁评估的各种因素进行了分析,讨论了常用威胁评估方法的缺点和不足,提出了基于神经网络的空中目标的威胁估计算法,利用神经网络良好的自适应能力和自学习能力,通过样本数据训练,确定各个因素之间的非线性复杂关系,并通过示例介绍了目标威胁值的解算过程;与层次分析法进行了比较,结果表明,神经网络可以很好地逼近各个因素之间的权重关系,提高了空中目标威胁估计算法的准确性和适应性。 相似文献
9.
10.