基于代价敏感集成学习的战场态势评估模型

针对误分代价不平衡条件下基于机器学习的战场态势评估误分代价较高问题,提出基于代价敏感集成学习的战场态势评估模型。以具有良好非线性建模能力的BP神经网络模型为基础分类器,通过AdaCost代价敏感集成学习方法综合考虑误分类代价对BP神经网络进行集成训练,使模型具有代价敏感特性。实验表明,在误分代价不平衡条件下,相对于单独的BP神经网络模型来说,所提模型在评估准确率和误分总代价方面都有较大优势。