空战威胁评估:回归型支持向量机模型

需积分: 12 2 下载量 71 浏览量 更新于2024-08-12 收藏 265KB PDF 举报
"基于回归型支持向量机的空战目标威胁评估 (2010年)" 本文主要探讨了空战中的目标威胁评估问题,尤其是在协同多目标攻击的背景下,这一评估的重要性尤为突出。传统的空战目标威胁评估方法往往在确定权重系数时存在一定的局限性,这直接影响了评估的准确性和效率。因此,研究者郭辉、徐浩军和刘凌提出了一种创新的方法,即基于回归型支持向量机(Regression Support Vector Machines, RSVM)的评估策略。 首先,作者们分析了当前空战目标威胁评估方法中的距离威胁模型,指出其存在的缺陷,这些缺陷可能导致评估结果的不准确。距离威胁模型通常将敌机与己机之间的距离作为衡量威胁的重要因素,但这种方法可能忽略了其他关键因素,如敌机的速度、武器装备、机动能力等。 为了解决这些问题,研究者引入了回归型支持向量机模型。RSVM是一种机器学习算法,它结合了支持向量机(SVM)的分类能力与回归分析,能够处理非线性关系和高维数据,具有良好的泛化能力和预测精度。在空战目标威胁评估中,RSVM可以用来学习和建立一个更全面、更精确的模型,考虑多种战斗参数,包括但不限于敌我双方的距离、速度、高度、武器系统性能等,以综合评估目标的威胁程度。 通过构建RSVM模型,研究者能够对预设的空战场景进行威胁评估,通过对大量模拟战斗数据的训练和测试,证明了该方法在预测空战目标威胁方面具有显著优势。仿真结果显示,RSVM模型能快速、准确地完成威胁评估任务,提高了评估的实时性和有效性。 这篇文章的研究成果为空战策略制定提供了新的理论支持,特别是在协同多目标攻击的复杂环境下,这种基于RSVM的评估方法有望提升决策的准确性和战场生存能力。同时,该研究也对支持向量机在军事领域的应用拓展提供了有价值的参考,展示了机器学习技术在解决实际军事问题上的潜力。