基于异态集成学习的飞行目标辅助识别模型

对飞行目标类型的准确识别是空中作战意图识别的前提和基础。针对当前各类识别模型在训练样本较少时,较难同时获得模型的稳定性和较好的泛化能力且在线学习能力较差的问题,提出了一种基于异态集成学习的飞行目标辅助识别模型,将k近邻学习模型与BP神经网络模型进行整合,使模型兼具训练稳定性与较好的泛化能力;通过算法设计,模型具有了整体动态更新的能力。基于某作战仿真系统完成飞行目标识别实验,对比了该模型与各类模型的性能表现。实验结果显示所提出的模型识别正确率稳定在90%左右,且在个体学习器的基础上至少提高2%。     

基于时序超网的作战体系效能指标动态测量方法

由于作战体系具有整体涌现性、动态演化性以及能力相对性等复杂系统特征,传统树状指标体系与加权求和的静态评估方法已不再适用。提出一种基于时序超网的作战体系效能指标动态测量方法。以复杂网络理论为基础,利用网络模型特征参数对部分作战体系效能指标进行映射;采用超网络与时序网络相结合的方式,构建作战体系时序超网模型;通过分析体系超网络中各层网络的特点,分类选取网络特征参数。基于兵棋推演数据对作战体系中交战网的特征参数进行了动态测量,验证了方法的有效性。