基于Elman<sub>-</sub>AdaBoost强预测器的目标威胁评估模型及算法

王改革; 郭立红; 段红; 刘逻; 王鹤淇

doi:10.3969/j.issn.0372-2112.2012.05.007

您当前的位置：

首页 >

文章列表页 >

基于Elman_-AdaBoost强预测器的目标威胁评估模型及算法

学术论文 | 更新时间：2025-07-16

- 基于Elman_-AdaBoost强预测器的目标威胁评估模型及算法
- The Model and Algorithm for the Target Threat Assessment Based on Elman_-AdaBoost Strong Predictor
- 电子学报 2012年40卷第5期页码：901-906
- 作者机构：
  
  1. 中国科学院长春光学精密机械与物理研究所,吉林,长春,130033
  2. 中国科学院研究生院,北京,100039
  3. 东北师范大学计算机科学与信息技术学院,吉林,长春,130117
  4. 中国科学院长春光学精密机械与物理研究所,吉林,长春,130033
  5. 中国科学院研究生院,北京,100039
  6. 东北师范大学计算机科学与信息技术学院,吉林,长春,130117
- 作者简介：
- 基金信息：
  
  激光与物质相互作用国家重点实验室研究基金 (No.SKLLIM0902-01)
- DOI：10.3969/j.issn.0372-2112.2012.05.007
  中图分类号： TP391.9
- 纸质出版：2012
- 稿件说明：
移动端阅览
王改革, 郭立红, 段红, 等. 基于Elman_-AdaBoost强预测器的目标威胁评估模型及算法[J]. 电子学报, 2012,40(5):901-906.

WANG Gai-ge, GUO Li-hong, DUAN Hong, et al. The Model and Algorithm for the Target Threat Assessment Based on Elman_-AdaBoost Strong Predictor[J]. Acta Electronica Sinica, 2012, 40(5): 901-906.
王改革, 郭立红, 段红, 等. 基于Elman_-AdaBoost强预测器的目标威胁评估模型及算法[J]. 电子学报, 2012,40(5):901-906. DOI： 10.3969/j.issn.0372-2112.2012.05.007.

WANG Gai-ge, GUO Li-hong, DUAN Hong, et al. The Model and Algorithm for the Target Threat Assessment Based on Elman_-AdaBoost Strong Predictor[J]. Acta Electronica Sinica, 2012, 40(5): 901-906. DOI： 10.3969/j.issn.0372-2112.2012.05.007.

摘要

目标威胁评估是协同目标攻击中的关键问题.为提高空战目标威胁评估的准确性和实用性

建立了Elman

AdaBoost强预测器目标威胁评估模型及算法.首先

介绍了Elman

AdaBoost强预测器;其次

建立了Elman

AdaBoost强预测器目标威胁评估模型;最后

提出了基于Elman

AdaBoost强预测器目标威胁评估模型的算法.采集75组数据用于实验

其中60组作为训练集

15组作为测试集.分别选择Elman网络隐层节点数

18和弱预测器数目

20进行实验

结果表明

Elman

AdaBoost强预测器算法预测误差远小于弱预测器且在

=7和

=6时误差达到最小.Elman

AdaBoost强预测器目标威胁评估模型和算法具有很好的预测能力

可以快速、准确地完成作战目标威胁评估.

Abstract

Target threat assessment is the key issue in the collaborative multi-target attack.To improve the accuracy and usefulness of target threat assessment in the aerial combat

a target threat assessment model and algorithm based on Elman

AdaBoost strong predictor is proposed.Firstly

Elman

AdaBoost strong predictor is introduced;secondly

a target threat assessment model based on Elman

AdaBoost strong predictor is established;at last

an algorithm is described.The

re are 75 data sets culled for the simulation experiments

in which 60 sets are considered as training set

and the other 15 are testing sets.The number of hidden layer nodes of Elman network and weak predictors is selected

18 and

20 respectively for experiment and results show that

the prediction error for Elman

AdaBoost strong predictor algorithm is much smaller than the weak predictor and the error reaches the minimum when

=7 and

=6.The model and algorithm have good predictive ability

so it can quickly and accurately complete target threat assessment.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

电子装备试验方案的灰色优选模型及算法

基于同源的同类事物连通本性的模式分类神经网络模型

基于SOI-SOG键合的圆片级真空封装MEMS电场传感器

TSB:一种多阶段IPv6路由表查找算法

基于Elman-AdaBoost强预测器的目标威胁评估模型及算法

The Model and Algorithm for the Target Threat Assessment Based on Elman-AdaBoost Strong Predictor

DOI：10.3969/j.issn.0372-2112.2012.05.007

摘要

Abstract

关键词

Keywords

references

基于Elman_-AdaBoost强预测器的目标威胁评估模型及算法

The Model and Algorithm for the Target Threat Assessment Based on Elman_-AdaBoost Strong Predictor