基于M-ANFIS-PNN的目标威胁评估模型

TP391; 目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持.现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息.基于此,提出一种改进的自适应模糊神经推理系统模型.在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数.仿真实例验证了所提方法的有效性与...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 44; no. 10; pp. 3155 - 3163
Main Authors 于博文, 于琳, 吕明, 张捷
Format Journal Article
LanguageChinese
Published 南京理工大学自动化学院,江苏南京210094 01.10.2022
Subjects
自适应模糊神经推理系统
混合属性
威胁评估
多项式神经网络
近邻传播聚类算法
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2022.10.19

Cover

More Information
Summary:TP391; 目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持.现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息.基于此,提出一种改进的自适应模糊神经推理系统模型.在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数.仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2022.10.19