基于ICRITIC-GCN的空战目标威胁评估

为研究解决空战目标威胁评估问题时目标属性复杂、数据非结构化等问题，提高评估效率，提出图卷积网络（graph convolutional network,GCN）的解决方法，并引入改进的指标相关性权重确定方法（improved criteria importance through intercriteria correlation,ICRITIC），构建了基于ICRITICGCN的目标威胁评估模型。针对战场威胁目标的空间拓扑性和属性复杂性，利用图卷积网络在处理非欧式数据时的优势进行学习训练；针对传统方法在属性权重时过于主观的问题，ICRITIC法考虑属性之间的关联性及属性的信息量，客观分配属性权重。仿真结果表示，该算法在解决多目标威胁评估问题时，在处理效率、准确率等方面均有所提升。