一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题，提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA，构建了SSA-SVM空中目标意图预测模型，并对模型的预测性能进行了仿真检验。结果表明，SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值，比BPNN具有更高的预测准确性和更稳定的预测结果。因此，SSA-SVM可以准确、稳定地预测空中目标意图，能够满足意图预测在准确性和稳定性上的需求，提升了预测性能。