基于小样本RBF神经网络的导引头测高性能评估方法研究

针对导弹武器装备的试验成本高且试验数据少的问题,提出了一种小样本RBF神经网络模型。利用TOPSIS(逼近理想解排序法)法处理原始数据,充分挖掘数据深层信息,再利用Bootstrap法(自助法)对处理完的数据进行扩充,然后通过RBF神经网络(radial basis function)建立评估模型。最后,将小样本RBF神经网络模型应用于导引头测高性能评估以验证算法的有效性。仿真实验结果表明,小样本RBF神经网络模型的决定系数和误差系数相对于其他模型得到明显改善。该模型不仅规避了专家法、层次分析法、模糊综合评价法等常用效能评估方法主观性强的特点,同时,针对小样本问题提出了一种有效的解决方案。