基于智能算法的目标威胁估计
发布时间：2022-02-18 15:18
对空中来袭目标进行威胁估计是光电防御系统指挥决策活动中的重要环节，它是在目标识别的基础上，通过对目标的定性定量分析而进行的综合评价活动，为指挥员进行兵力部署和火力分配提供重要依据。现代防空作战环境要求目标威胁判断准确实时，若判断不准确，将导致目标分配失误，影响防空作战效能；判断不迅速，就会贻误战机。本文针对威胁估计的特性，采用现代智能算法，重点研究了光电对抗武器攻防中威胁估计技术及算法，本文的主要工作如下：介绍了信息融合与威胁估计技术的基本理论和功能框架，对威胁估计技术的研究现状进行了归纳总结，阐述了威胁等级排序的内容和处理步骤，结合项目，通过分析光电防御系统作战过程，明确了系统决策的基本任务，并且由指挥控制系统功能，确定了辅助决策单元的内容。重点对威胁估计子模块的设计进行了研究，分析了威胁要素的提取方法，确定了威胁排序算法的工作流程及排序准则。对经典智能算法，如微分进化算法（DE）、生物地理学优化算法（BBO）、粒子群算法（PSO）、布谷鸟搜索算法（CS）、蝙蝠算法（BA）和萤火虫算法（FA），进行了深入的研究。在此基础上，结合其它智能优化技术，提出了DE/CS、HS/BA、MFA和...
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：130 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
目录
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 威胁估计的主要技术
1.3 主要研究内容和论文结构
1.3.1 主要研究内容
1.3.2 论文总体框架
第2章 威胁估计技术在光电防御系统中的应用研究
2.1 引言
2.2 信息融合与威胁估计
2.2.1 信息融合技术
2.2.2 威胁估计技术
2.3 光电防御系统决策任务分析
2.4 辅助决策算法在光电防御系统中的应用
2.4.1 光电防御系统中指挥控制系统功能
2.4.2 光电防御系统中指挥控制系统硬件组成
2.4.3 光电防御系统辅助决策功能单元
2.5 威胁估计技术在光电防御系统中应用研究
2.5.1 威胁要素确定
2.5.2 威胁排序算法
2.5.3 威胁排序
2.6 本章小结
第3章 智能计算算法研究
3.1 引言
3.2 群智能算法
3.2.1 粒子群优化算法(PSO)
3.2.2 萤火虫算法(FA)
3.2.3 蝙蝠算法(BA)
3.2.4 布谷鸟搜索算法(CS)
3.3 进化计算算法
3.3.1 微分进化算法(DE)
3.3.2 生物地理学优化算法(BBO)
3.4 本章小结
第4章 基于 Elman_AdaBoost 强预测器的目标威胁估计
4.1 引言
4.2 Elman_AdaBoost
4.2.1 AdaBoost
4.2.2 Elman 神经网络
4.3 Elman_AdaBoost 强预测器目标威胁估计
4.3.1 Elman_AdaBoost 强预测器目标威胁估计模型
4.3.2 Elman_AdaBoost 强预测器目标威胁估计算法
4.4 实验结果与分析
4.4.1 数据预处理
4.4.2 最优 Elman_AdaBoost 强预测器
4.4.3 最优 Elman_AdaBoost 与 PSO_SVM、BP 比较
4.5 本章小结
第5章 基于萤火虫算法优化 BP 神经网络的目标威胁估计
5.1 引言
5.2 基础理论
5.2.1 萤火虫优化(GSO)算法
5.2.2 BP 神经网络
5.3 基于 GSOBP 的目标威胁估计
5.3.1 GSOBP 目标威胁估计模型
5.3.2 GSOBP 目标威胁估计算法
5.4 实验结果与分析
5.4.1 数据预处理
5.4.2 仿真结果
5.5 本章小结
第6章 基于小波神经网络的目标威胁估计
6.1 引言
6.2 MWFWNN 网络
6.2.1 小波理论
6.2.2 小波神经网络
6.2.3 MWFWNN 小波神经网络
6.3 MWFWNN 网络目标威胁估计
6.3.1 基于 MWFWNN 网络的目标威胁估计模型
6.3.2 小波神经网络目标威胁估计算法
6.4 模型仿真与验证
6.4.1 小波基函数库的创建
6.4.2 MWFWNN 网络与 WNN、PSO_SVM、BP 比较
6.5 本章小结
第7章 总结与展望
7.1 本文工作总结
7.2 论文创新点
7.3 未来工作展望
参考文献
在学期间学术成果情况
指导教师及作者简介
致谢
【参考文献】：
期刊论文
[1]具有Lévy飞行特征的蝙蝠算法[J]. 刘长平,叶春明. 智能系统学报. 2013(03)
[2]新型元启发式布谷鸟搜索算法[J]. 李煜,马良. 系统工程. 2012(08)
[3]红外鱼眼系统下的多目标威胁评估研究[J]. 周玉龙,何永强,张维安. 光学学报. 2012(06)
[4]基于ElmanAdaBoost强预测器的目标威胁评估模型及算法[J]. 王改革,郭立红,段红,刘逻,王鹤淇. 电子学报. 2012(05)
[5]基于面向对象概率关系模型的威胁级别评估[J]. 姚臣,周锐,丁全心. 电光与控制. 2012(05)
[6]基于改进萤火虫算法的动态自动聚集路径规划方法[J]. 刘鹏,刘弘,郑向伟,丁艳辉. 计算机应用研究. 2011(11)
[7]基于核自组织映射-前馈神经网络的交通流短时预测[J]. 龚勃文,林赐云,李静,杨兆升. 吉林大学学报(工学版). 2011(04)
[8]基于网络聚类选择的神经网络集成方法及应用[J]. 刘大有,张冬威,李妮娅,刘杰,金弟. 吉林大学学报(工学版). 2011(04)
[9]一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法[J]. 文学志,方巍,郑钰辉. 电子学报. 2011(05)
[10]装甲目标威胁评估智能计算方法研究[J]. 樊胜利,柏彦奇,李保国. 装备指挥技术学院学报. 2011(02)
博士论文
[1]基于直觉模糊推理的态势与威胁评估研究[D]. 雷英杰.西安电子科技大学 2005
硕士论文
[1]基于多目标粒子群算法的智能组卷研究[D]. 段红.东北师范大学 2013
本文编号：3631069
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：130 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
目录
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 威胁估计的主要技术
1.3 主要研究内容和论文结构
1.3.1 主要研究内容
1.3.2 论文总体框架
第2章 威胁估计技术在光电防御系统中的应用研究
2.1 引言
2.2 信息融合与威胁估计
2.2.1 信息融合技术
2.2.2 威胁估计技术
2.3 光电防御系统决策任务分析
2.4 辅助决策算法在光电防御系统中的应用
2.4.1 光电防御系统中指挥控制系统功能
2.4.2 光电防御系统中指挥控制系统硬件组成
2.4.3 光电防御系统辅助决策功能单元
2.5 威胁估计技术在光电防御系统中应用研究
2.5.1 威胁要素确定
2.5.2 威胁排序算法
2.5.3 威胁排序
2.6 本章小结
第3章 智能计算算法研究
3.1 引言
3.2 群智能算法
3.2.1 粒子群优化算法(PSO)
3.2.2 萤火虫算法(FA)
3.2.3 蝙蝠算法(BA)
3.2.4 布谷鸟搜索算法(CS)
3.3 进化计算算法
3.3.1 微分进化算法(DE)
3.3.2 生物地理学优化算法(BBO)
3.4 本章小结
第4章 基于 Elman_AdaBoost 强预测器的目标威胁估计
4.1 引言
4.2 Elman_AdaBoost
4.2.1 AdaBoost
4.2.2 Elman 神经网络
4.3 Elman_AdaBoost 强预测器目标威胁估计
4.3.1 Elman_AdaBoost 强预测器目标威胁估计模型
4.3.2 Elman_AdaBoost 强预测器目标威胁估计算法
4.4 实验结果与分析
4.4.1 数据预处理
4.4.2 最优 Elman_AdaBoost 强预测器
4.4.3 最优 Elman_AdaBoost 与 PSO_SVM、BP 比较
4.5 本章小结
第5章 基于萤火虫算法优化 BP 神经网络的目标威胁估计
5.1 引言
5.2 基础理论
5.2.1 萤火虫优化(GSO)算法
5.2.2 BP 神经网络
5.3 基于 GSOBP 的目标威胁估计
5.3.1 GSOBP 目标威胁估计模型
5.3.2 GSOBP 目标威胁估计算法
5.4 实验结果与分析
5.4.1 数据预处理
5.4.2 仿真结果
5.5 本章小结
第6章 基于小波神经网络的目标威胁估计
6.1 引言
6.2 MWFWNN 网络
6.2.1 小波理论
6.2.2 小波神经网络
6.2.3 MWFWNN 小波神经网络
6.3 MWFWNN 网络目标威胁估计
6.3.1 基于 MWFWNN 网络的目标威胁估计模型
6.3.2 小波神经网络目标威胁估计算法
6.4 模型仿真与验证
6.4.1 小波基函数库的创建
6.4.2 MWFWNN 网络与 WNN、PSO_SVM、BP 比较
6.5 本章小结
第7章 总结与展望
7.1 本文工作总结
7.2 论文创新点
7.3 未来工作展望
参考文献
在学期间学术成果情况
指导教师及作者简介
致谢
【参考文献】：
期刊论文
[1]具有Lévy飞行特征的蝙蝠算法[J]. 刘长平,叶春明. 智能系统学报. 2013(03)
[2]新型元启发式布谷鸟搜索算法[J]. 李煜,马良. 系统工程. 2012(08)
[3]红外鱼眼系统下的多目标威胁评估研究[J]. 周玉龙,何永强,张维安. 光学学报. 2012(06)
[4]基于ElmanAdaBoost强预测器的目标威胁评估模型及算法[J]. 王改革,郭立红,段红,刘逻,王鹤淇. 电子学报. 2012(05)
[5]基于面向对象概率关系模型的威胁级别评估[J]. 姚臣,周锐,丁全心. 电光与控制. 2012(05)
[6]基于改进萤火虫算法的动态自动聚集路径规划方法[J]. 刘鹏,刘弘,郑向伟,丁艳辉. 计算机应用研究. 2011(11)
[7]基于核自组织映射-前馈神经网络的交通流短时预测[J]. 龚勃文,林赐云,李静,杨兆升. 吉林大学学报(工学版). 2011(04)
[8]基于网络聚类选择的神经网络集成方法及应用[J]. 刘大有,张冬威,李妮娅,刘杰,金弟. 吉林大学学报(工学版). 2011(04)
[9]一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法[J]. 文学志,方巍,郑钰辉. 电子学报. 2011(05)
[10]装甲目标威胁评估智能计算方法研究[J]. 樊胜利,柏彦奇,李保国. 装备指挥技术学院学报. 2011(02)
博士论文
[1]基于直觉模糊推理的态势与威胁评估研究[D]. 雷英杰.西安电子科技大学 2005
硕士论文
[1]基于多目标粒子群算法的智能组卷研究[D]. 段红.东北师范大学 2013
本文编号：3631069
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3631069.html
