基于早期时间序列分类的可解释实时机动识别算法

战斗机机动识别是判断战斗机战术意图的基础,然而现有的机动识别方法实时性不强且不具有可解释性,无法满足空战中对实时性的要求且不利于人机互信。设计基于早期时间序列分类的实时机动识别算法,将完整机动切分为机动单元,使用集成学习算法对机动单元进行识别并实时监控,以满足实时性要求并获得高识别精度。算法使用可解释模型,通过特征贡献度进行模型解释,使模型更透明从而降低空战决策者的决策风险。选择盘旋、斤斗等9种不同机动动作进行仿真实验,结果表明:在完整机动动作执行到20%时,所提算法即可识别其机动类别,识别准确率可达93%。

早期时间序列分类方法研究综述

传感器技术的普及使得时间序列数据受到人们越来越多的关注.早期时间序列分类(Early Time Series Classification, ETSC)希望通过观测尽可能短的时序数据而对其做出尽可能准确的分类,已在科技金融领域发挥着重要的作用.首先概述了常见的时间序列分类器,并综述了基于最小预测长度、基于最大区分子序列和基于模型的3类早期时间序列分类框架的最新研究进展.然后在每类方法中,分析了具有代表性的早期时间序列分类模型的关键技术及其优缺点;整理了科技金融领域的公开数据集和常见的评价指标.最后对未来的发展趋势做了展望.