發(fā)布時(shí)間：2025-01-01 07:00

　　 電子戰(zhàn)無(wú)人機(jī)的作戰(zhàn)效能評(píng)估在未來(lái)智能網(wǎng)信體系作中具有重要意義。針對(duì)電子戰(zhàn)無(wú)人機(jī)作戰(zhàn)效能評(píng)估過(guò)程中影響因素復(fù)雜、小樣本、非線性等問(wèn)題,引入了支持向量機(jī)算法,為了提高評(píng)估的效率和有效性,引入具有較強(qiáng)偽隨機(jī)性、自身規(guī)律性的混沌系統(tǒng)對(duì)粒子群初始粒子進(jìn)行了優(yōu)化,然后利用混沌粒子群對(duì)支持向量機(jī)的參數(shù)進(jìn)行了優(yōu)選,提高了整體評(píng)估效率。仿真實(shí)驗(yàn)結(jié)果表明混沌粒子群-支持向量機(jī)模型可以準(zhǔn)確地對(duì)電子戰(zhàn)無(wú)人機(jī)進(jìn)行作戰(zhàn)效能評(píng)估,具有較好的計(jì)算精度。

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖3相對(duì)誤差分析圖

5.1的數(shù)據(jù)，選取了前20個(gè)數(shù)據(jù)作為為訓(xùn)練集，后5條數(shù)據(jù)為測(cè)試集展開(kāi)實(shí)例研究。為了驗(yàn)證本文算法的預(yù)測(cè)效果，本文以APSO-SVM[6]和LS-SVM算法[4]進(jìn)行比較分析，具體結(jié)果如圖2所示。圖2預(yù)測(cè)結(jié)果分析圖Fig.2Diagramofforecastresultanalysi....

圖2預(yù)測(cè)結(jié)果分析圖

菰ご?砉?討校??渴?荼３衷???不變，定性數(shù)據(jù)采用從高到低表示強(qiáng)弱的9級(jí)定量化方法進(jìn)行處理。5實(shí)際算例與分析（Practicalexampleandanalysis）本文基于Matlab_R2014a平臺(tái)，編程實(shí)現(xiàn)了電子戰(zhàn)無(wú)人機(jī)作戰(zhàn)效能評(píng)估算法，采用第三部分....

本文編號(hào)：4022211