一种基于集成学习的战术目标类别识别方法

摘要

针对实际运用中的战术目标类别识别精度不高的问题,设计了一种战术目标类别识别框架,提出了一种基于Borderline-SMOTE的改进小样本战术目标数据采样方法,利用战术目标特征个体在整体数据集中的互信息的sigmoid函数作为遗传算法的适应度函数,并运用到选择、交叉和终止计算中,从而加速最优特征子集的选择,使用LightGBM等算法搭建一个战术目标类别的识别的Stacking集成算法模型,通过历史数据验证了该方法的有效性。