深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题，提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系，将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数，构建导弹攻击结果预测模型。在实验部分，结合重构误差和测试错误率确定深度置信网络的网络结构，通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法，满足实时性和准确性要求，所提方法具有良好的应用价值。     

空战飞机嵌入式训练系统的研究

空军正面对提高空战飞机训练效率的难题,嵌入式训练是解决这个问题的有效途径。结合现有研究技术和经验,研究了拥有高速无线网络和实时显控的嵌入式训练系统。可以使飞行员充分利用飞机内的原有设备进行训练,为飞行员提供了真实的操作、训练环境,同时指挥人员能够实时观察训练状况并做出科学的评估,具有突破性的训练效果。     

基于红蓝对抗的实战化教学组训方法研究 —— 以航空兵初级指挥专业为例

红蓝对抗训练是实战化训练的最高形式,近年来在部队演习演练中被广泛采用,效果显著。军队院校教学向部队靠拢,向实战聚焦,可在航空兵初级指挥专业的人才培养中引入红蓝属性,开展实战化教学的探索和实践。本文提出“模拟环境+师生对抗+硬度可调”的实战化教学组训方法：一是红蓝对抗模拟训练环境,可支撑航空兵初级指挥专业学员开展“规划-部署-实施-评估”的航空兵作战全流程红蓝对抗实战化教学;二是“蓝”教员和“红”学员师生对抗教学组织实施程序;三是适应学员能力渐进式增长的关于训练想定、蓝军能力、导调方式和评定标准的“硬度可调”机制。此外,为确保红蓝对抗实战化教学的顺利实施,给出了锻造“红蓝兼备”院校“蓝”教员队伍的几点建议。     

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。     

变分自编码器结合聚类算法在空战态势评估问题上的应用

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题，提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点，提出基于时间段的空战态势分类方法，将敌我双方态势划分为四类。在变分自编码器的基础上，提出了VAE-WRBM-MDN特征提取模型，即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度，使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类，并结合态势函数和实际战场情况修正聚类结果，形成正确的态势分类标准。在实验部分，分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明，模型态势分类正确率和运行时间均满足应用需求，实例评估结果与客观态势一致性强，所提方法具有实际应用价值。