基于代价损失函数的空中目标决策划分方法

面向为空中威胁目标提供威胁等级划分并提供辅助打击决策,基于改进的VIKOR法和三支决策中损失函数与阈值之间的关系,对威胁估计和决策划分问题方法进行研究。对评估属性进行分析建模,并利用AHP法计算权重。建立三支模型,利用改进的VIKOR法计算目标条件概率完成目标威胁排序。通过结合三支决策模型中的代价损失函数和阈值参数之间的关系,将求阈值与代价损失函数的方法转化为最优化问题,并利用PSO算法解决问题。最后,结合所得阈值,对论域内目标进行威胁等级与决策划分。实例分析表明,该方法在一定范围内保证最小的威胁等级和决策划分代价的同时考虑了决策者的心理,达到预期的目标威胁评估结果。

基于支持向量机改进算法的船舶类型识别研究

利用船舶目标辐射噪声DEMON谱特征,采用改进的支持向量机算法,实现了对船舶目标的分类识别研究。针对支持向量机算法对噪声比较敏感和最优分类面求解时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数两方面进行了改进,提出了基于径向基核函数的齐次决策二阶损失函数支持向量机改进算法,并应用于利用船舶目标辐射噪声DEMON谱进行船舶目标类型分类识别实验。理论分析、数据仿真与实验结果表明,该改进算法实现了在二次规划中的较少约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,是一种适合于船舶辐射噪声DENOM分类识别的有效的支持向量机改进算法。

基于视觉字典的在线多示例目标跟踪

在线多示例目标跟踪算法无法判别目标丢失以及无法适应目标尺度的变化。提出了一种基于视觉字典的在线多示例目标跟踪算法。算法将视觉字典和多示例跟踪分别作为检测器和跟踪器,利用互反馈技术提高跟踪性能。跟踪器完成目标的跟踪并为视觉字典的构建和更新提供训练样本;检测器则对跟踪器的结果(候选样本)进行判定,目标丢失时,暂停跟踪并重新检测目标,目标未丢失时,利用Ransac算法获得目标的尺度变换系数并在新尺度下更新跟踪器。为了提高目标丢失判别的准确性,提出了一种局部随机抽样的直方图相似性度量技术,采用局部划分思想和Noisy-NR模型计算候选样本与训练样本特征直方图的相似性,减少了传统直方图匹配由于受目标局部遮挡影响造成的误判。实验结果表明,该算法能够适应目标的尺度变化,检测目标的丢失,提高了跟踪稳定性。

基于区间数层次分析法的损失函数确定方法

针对基于决策粗糙集的三支决策模型中,损失函数难以确定以及其合理性问题,考虑到区间数层次分析法在处理多属性决策问题上的适应性、对矩阵误差的包容性等,给出了基于区间数层次分析法的损失函数确定步骤,证明了该损失函数的有效性,将其应用于空战目标威胁评估的实例中,并且从三支决策角度对评估结果进行了解释。实例分析表明,该方法确定的损失函数具有一定合理性,阈值对更加紧凑,减小了因数据错误导致的不确定性,降低了错误决策的风险,符合现代化信息空战的需求。