GBRT技术在MLS模拟训练成绩评估中应用

发布时间：2022-10-22 18:37

　　综合成绩评估是军事后勤模拟训练系统中的一个重要功能模块,为了实现模拟训练自动化成绩评估,在模拟训练系统成绩评估中提出使用梯度渐进回归树（GBRT）智能技术。在对某科目的后勤模拟训练成绩数据分析基础上,找出线性无关评估指标特征集合"人员配置成绩、完成任务时间和装备操作正确率"作为输入数据,建立基于GBRT成绩评估预测模型,最后通过优化参数组合的GBRT评估模型预测模拟训练综合成绩。经过某科目的模拟训练成绩数据样本测试,基于GBRT模型评估综合成绩与实际训练成绩基本一致,从而验证GBRT技术在军事后勤保障模拟训练成绩评估中应用的可行性和有效性,为军事后勤保障模拟训练系统自动化成绩评估增添新的途径和方法。 

【文章页数】：7 页

【文章目录】：
1 引言
2 梯度渐进回归树模型原理
    2.1 集成学习方法
    2.2 回归树
    2.3 梯度渐进回归树
3 模拟训练智能成绩评估实现过程
    3.1 数据分析与特征选择
    3.2 数据归一化处理
    3.3 “人员配置”成绩评估
        1)首先评分数据进行离散化处理。
        2)计算各个指标的信息增益和信息增益率。
        3)节点分裂。
        4)生成决策树。
        5)预测“人员配置”成绩。
    3.4 GBRT模型参数组合优化
    3.5 成绩评估算法流程
4 综合成绩评估实例
    1)时间数据归一化处理
    2)“人员配置”成绩评估
    3)基于GBRT模型预测模拟训练综合成绩
5 结论


【参考文献】：
期刊论文
[1]基于梯度提升决策树的电力电子电路故障诊断[J]. 陈宏,邓芳明,吴翔,付智辉.  测控技术. 2017(05)
[2]军事后勤保障模拟训练的发展探索[J]. 曹琦,王文政,路翔,卜淮原.  高等教育研究学报. 2016(03)
[3]基于灰色聚类和层次分析的模拟训练成绩评定[J]. 武兆斌,陈黎,赵春霞.  系统仿真学报. 2016(02)
[4]基于AHP的装甲分队模拟训练成绩评估方法[J]. 王钦钊,郭傲兵,李小龙,吴伟胜.  计算机仿真. 2015(10)
[5]梯度渐进回归树算法在电子商务品牌推荐中的应用[J]. 申端明,乔德新,许琨,林霞,江日念.  计算机系统应用. 2015(06)
[6]舰艇模拟训练中指挥员的成绩评估研究[J]. 熊正祥,孙永侃,王立强.  计算机仿真. 2011(04)

硕士论文
[1]基于梯度渐进回归树的引文推荐方法研究[D]. 陈俊鹏.北京理工大学 2016



本文编号：3696650