基于Adaboost的作战目标属性判定方法

E92; 传统作战目标属性判定主要采用指挥员现场判断的定性方法,具有一定的主观性,并且由于缺乏较为成熟固定的算法而难以纳入指挥平台中.针对此问题,结合作战目标属性判定关键影响因素分析,提出一种基于自适应提升(adaptive boosting,Adaboost)的作战目标属性判定方法.首先,针对目标有效面积、目标配置区域面积等关键因素,采用单层决策树算法构建弱分类器.然后,利用Adaboost对弱分类器进行加权组合,形成作战目标属性判定的强分类模型.最后,进行了示例分析,并与决策树、支持向量机和人工神经网络3种属性判定方法进行对比仿真实验,证明了所提方法的正确性和优越性....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 44; no. 4; pp. 1256 - 1262
Main Authors 李园, 史宪铭, 李亚娟, 赵美
Format Journal Article
LanguageChinese
Published 陆军工程大学石家庄校区装备指挥与管理系,河北石家庄050003%陆军步兵学院石家庄校区机械化步兵系,河北石家庄050227 01.04.2022
Subjects
作战目标;目标分类;自适应提升;决策树
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2022.04.23

Cover

More Information
Summary:E92; 传统作战目标属性判定主要采用指挥员现场判断的定性方法,具有一定的主观性,并且由于缺乏较为成熟固定的算法而难以纳入指挥平台中.针对此问题,结合作战目标属性判定关键影响因素分析,提出一种基于自适应提升(adaptive boosting,Adaboost)的作战目标属性判定方法.首先,针对目标有效面积、目标配置区域面积等关键因素,采用单层决策树算法构建弱分类器.然后,利用Adaboost对弱分类器进行加权组合,形成作战目标属性判定的强分类模型.最后,进行了示例分析,并与决策树、支持向量机和人工神经网络3种属性判定方法进行对比仿真实验,证明了所提方法的正确性和优越性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2022.04.23