基于AdaBoost的潜射防鱼雷诱饵干扰效果预测研究

论文摘要

鱼雷来袭时,潜艇通常通过发射诱饵和规避机动进行防御。根据本艇、诱饵和鱼雷的相对态势,实时、准确地预判诱饵的干扰效果即鱼雷能否发现本艇,对本艇进一步防御决策具有重要意义。目前,基于经验的预测无法保证准确率的要求,基于在线仿真的预测无法保证实时性要求。对此,采用机器学习将该问题转化为典型的二分类问题,以本艇、诱饵和鱼雷的相对态势作为分类特征,通过离线仿真生成训练数据集,以错误率降低剪枝决策树(Reduced Error Pruning Tree, REPTree)作为基分类器,构建了基于自适应增强(Adaptive Boosting,AdaBoost)的诱饵干扰效果预测模型。实验结果表明,模型具有良好的鲁棒性和准确性。

论文目录

• 1 诱饵干扰效果预测数据集
• 2 基于AdaBoost的预测模型
•   2.1 数据预处理
•   2.2 基分类器的选择
•   2.3 AdaBoost集成
•     ① 利用权重分布为Dt的样本集训练得弱分类器ht, 并计算ht的再代入分类错误率et:
•     ② 计算ht在最终集成分类器中所占权重at:
•     ③ 更新训练样本集的权重分布Dt+1:
• 3 实验
•   3.1 迭代次数对AdaBoost分类性能的影响
•   3.2 AdaBoost有效性验证
•   3.3 预测模型最终参数确定
• 4 结束语

文章来源

类型: 期刊论文

作者: 范学满,张会

关键词: 作战辅助决策,决策树,集成学习,自适应增强法

来源: 指挥控制与仿真 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 武器工业与军事技术,自动化技术

单位: 海军潜艇学院

分类号: E925.2;TP181

页码: 52-56

总页数: 5

文件大小: 3375K

下载量: 94