吉林大学学报(工学版) ›› 2017, Vol. 47 ›› Issue (3): 996-1002.doi: 10.13229/j.cnki.jdxbgxb201703042
黄璇1, 2, 郭立红1, 李姜2, 于洋2
HUANG Xuan1, 2, GUO Li-hong1, LI Jiang2, YU Yang2
摘要: 为了提高目标威胁估计精度,提出一种运用改进粒子群算法优化BP神经网络的方法。为了避免陷入局部极值,将变异过程引入粒子群算法中,并对相关参数进行优化,形成改进粒子群算法,对BP神经网络的初始权值和阈值进行优化。利用样本数量不同的训练集对网络进行训练,并用60组测试集数据对网络进行验证。实验结果表明,改进粒子群优化BP神经网络目标威胁估计算法具有更高的预测精度,在训练样本数量较小时能够获得较好的预测能力,可以有效地完成目标威胁估计。
中图分类号:
[1] 王小龙,宋裕农,丁文强. 基于分层贝叶斯网络的反潜编队对潜威胁估计[J]. 火力与指挥控制,2014,39(4):82-85. Wang Xiao-long, Song Yu-nong, Ding Wen-qiang. Method for evaluate threat of anti-submarine war fleet to submarine based on hierarchical bayesian network[J]. Fire Control and Command Control,2014,39(4):82-85. [2] 王毅,刘三阳,张文,等. 属性权重不确定的直觉模糊多属性决策的威胁评估方法[J]. 电子学报,2014,42(12):2509-2514. Wang Yi, Liu San-yang, Zhang Wen, et al. Threat assessment method with uncertain attribute weight based on intuitionistic fuzzy multi-attribute decision[J]. Acta Electronica Sinica,2014,42(12): 2509-2514. [3] 谷向东,童中翔,柴世杰,等. 基于IAHP和离差最大化TOPSIS法目标威胁评估[J]. 空军工程大学学报:自然科学版,2011,12(2):27-31. Gu Xiang-dong, Tong Zhong-xiang, Chai Shi-jie, et al. Target threat assessment based on TOPSIS combined by IAHP and the maximal deviation[J]. Journal of Air Force Engineering University(Natural Science Edition),2011,12(2):27-31. [4] 耿涛,卢广山,张安. 基于Vague集的空中目标威胁评估群决策方法[J]. 系统工程与电子技术,2011,33(12):2686-2690. Geng Tao, Lu Guang-shan, Zhang An. Group decision-making method for air target threat assessment based on Vague sets[J]. Systems Engineering and Electronics,2011,33(12):2686-2690. [5] 黄璇,郭立红,李姜,等. 磷虾群算法优化支持向量机的威胁估计[J]. 光学精密工程,2016,24(6):1448-1455. Huang Xuan, Guo Li-hong, Li Jiang, et al. Three assessment of support vector machine optimized by Krill Herd algorithm[J]. Optics and Precision Engineering,2016,24(6):1448-1455. [6] 李姜,郭立红. 基于改进支持向量机的目标威胁估计[J]. 光学精密工程,2014,22(5):1354-1362. Li Jiang,Guo Li-hong. Target threat assessment using improved SVM[J]. Optics and Precision Engineering, 22(5):1354-1362. [7] 程帅,孙俊喜,曹永刚,等. 增量深度学习目标跟踪[J]. 光学精密工程,2015,23(4): 1161-1170. Cheng Shuai, Sun Jun-xi, Cao Yong-gang, et al. Target tracking based on incremental deep learning[J]. Optics and Precision Engineering,2015,23(4):1161-1170. [8] 赵博,李成浩,李元春. 基于故障在线估计的可重构机械臂分散容错控制[J]. 吉林大学学报:工学版,2014,44(6):1729-1735. Zhao Bo, Li Cheng-hao, Li Yuan-chun, et al. Online fault estimation based on decentralized fault tolerant control for reconfigurable manipulators[J]. Journal of Jilin University (Engineering and Technology Edition),2014,44(6):1729-1735. [9] 杨娜,陈后金,李艳凤,等. 基于改进的脉冲耦合神经网络模型的图像分割[J]. 吉林大学学报:工学版,2013,43(3):758-763. Yang Na, Chen Hou-jin, Li Yan-feng, et al. Algorithm of image segmentation based on the improved pulse coupled neural network model[J]. Journal of Jilin University (Engineering and Technology Edition),2013,43(3):758-763. [10] 罗艳春,郭立红,姜晓莲,等. 基于模糊神经网络的空中目标威胁估计[J]. 微计算机信息,2007,23(34):268-270. Luo Yan-chun,Guo Li-hong,Jiang Xiao-lian,et al. Threat assessment for aerial target based on fuzzy neural network[J]. Microcomputer Information,2007,23(34):268-270. [11] 李东年,周以齐. 采用改进粒子群优化粒子滤波的三维人手跟踪[J]. 光学精密工程,2014,22(10):2870-2878. Li Dong-nian, Zhou Yi-qi. Three dimensional hand tracking by improved particle swarm optimized particle filter[J]. Optics and Precision Engineering,2014,22(10):2870-2878. [12] 刘青,李阳. 基于多尺度径向基函数的时变系统辨识[J]. 北京航空航天大学学报,2015,41(9):1722-1728. Liu Qing, Li Yang. Identification of time-varying systems using multi-scale radial basis function[J]. Journal of Beijing University of Aeronautics and Astronautics,2015,41(9):1722-1728. [13] Ko C N, Chang Y P, Wu C J, et al. A PSO method with nonlinear time-varying evolution for optimal design of harmonic filter[J]. IEEE Transactions on Power Systems,2009,23(1):437-444. [14] Kennedy J, Eberhart R C. Particle swarm optimization[C]∥Proceeding of the IEEE International Conference on Neural Networks,Perth, Australia,1995:1942-1948. [15] Ling S H, Iu H, Leung F H, et al. Improved hybrid particle swarm optimized wavelet neural network for modeling the development of fluid dispensing for electronic packaging[J]. IEEE Transactions on Industrial Electronics,2008,55(9):3447-3460. |
[1] | 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894. |
[2] | 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903. |
[3] | 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909. |
[4] | 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916. |
[5] | 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924. |
[6] | 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930. |
[7] | 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937. |
[8] | 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944. |
[9] | 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290. |
[10] | 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297. |
[11] | 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951. |
[12] | 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956. |
[13] | 李静, 丁明慧, 李立刚, 陈立军. 基于活塞形状的空气弹簧动特性分析与参数优化[J]. 吉林大学学报(工学版), 2018, 48(2): 355-363. |
[14] | 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506. |
[15] | 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632. |
|