多核贝叶斯优化的模型决策树算法

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。     

空地协同效能反馈的无人车目标捕获策略研究

针对无人车光电设备对复杂环境下目标搜索捕获存在时间长、效率低等局限性问题,提出了基于空地协同效能反馈机制的无人车目标捕获方案,研究了基于效能反馈机制的改进贝叶斯理论捕获策略,基于无人车一定装备数量条件下,根据无人机协同搜索的信息,以时空覆盖率和满足目标信息准确率为反馈条件,动态闭环更新目标搜索捕获策略。仿真结果表明,该算法有效缩短了无人车对目标的搜索捕获时间,提高了搜索捕获效率。     

线性控制系统的渐近跟踪控制与干扰解耦的设计及仿真

基于内模原理,针对线性控制系统设计了系统输出对参考信号的渐近跟踪控制和干扰解耦,同时实现了系统的镇定,并给出了设计算法和算例,通过MATLAB软件进行仿真,验证了该方法的有效性。     

基于贝叶斯网络的空中目标意图识别方法

针对空中目标意图识别问题,对防空作战中的战场事件进行了分类定义,根据事件之间的关联关系,提出了基于贝叶斯网络的空中目标意图识别方法,在此基础上,给出了网络模型的构建和推理方法,最后以一个示例说明了方法的有效性。     

基于贝叶斯分类器的目标价值等级分析

现代战争作战目标繁多,从目标价值角度对目标的重要程度进行评估,建立了基于朴素贝叶斯分类器的目标价值评估模型,并利用基于无向完全图的贝叶斯分类器,将目标属性间的关系加入到评估模型中,为指挥员和决策机关的作战目标选择提供了科学的依据.     

高速机动反舰导弹对舰艇编队的威胁估计研究

威胁估计是一个高度复杂、不确定性事件的推理过程.针对以目标特征为参数计算高速机动反舰导弹对编队的威胁值出现振荡而影响威胁排序的问题,首先运用自组织映射神经网络(SOM)提取高速机动反舰导弹的某些重要特征,其次融合提取的特征计算反舰导弹的航向,然后根据航向计算得到反舰导弹稳定的飞临时间和航路捷径,最后在分析影响威胁估计因素的基础上,运用模糊动态贝叶斯网络进行推理得到威胁值,再结合舰艇的价值系数便可计算得到稳定的威胁排序.仿真结果表明,该方法可以有效解决高速机动反舰导弹的威胁估计问题.     

目标体系描述与火力分配方法研究

目标体系分析和目标选择是军事计划中不可或缺的部分。本文对目标体系的要素结构进行描述,并使用动态贝叶斯网络描述了被打击状态下目标体系的动态反应机制,并在此基础上提出了打击目标体系的火力分配方法。     

基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.     

反舰导弹目标毁伤预测的贝叶斯推断模型研究

导弹反舰作战是一种有效的非对称打击作战样式,目标毁伤预测在其中承担着关键一环.针对现有反舰导弹目标毁伤预测方法在计算代价或样本规模等方面的限制,在贝叶斯网络技术的框架下,提出一种用于目标毁伤预测的贝叶斯推断模型.该模型将导弹反舰作战的突防和毁伤等过程抽象成高层的概率语义,仅需少量样本数据就可驱动模型关键参数的学习过程,在实现目标毁伤预测的同时还附加有发射弹量规划能力.通过实验,验证了模型的可行性与有效性.