作战仿真中基于BP-Adaboost目标威胁估计研究

摘要

对空中来袭目标进行威胁估计是作战中指挥决策的重要部分,是在目标态势的基础上,通过对目标数据量化处理而进行的综合估计,为指挥员进行兵力部署和火力分配提供重要依据。针对单一神经网络预测估计时网络结构选择困难、泛化能力差的缺点,提出了采用BP神经网络作为弱预测器,通过Adaboost进行集成学习,从而建立BP-Adaboost强预测器目标威胁估计模型。通过对不同态势情况下的样本数据进行学习,更新神经网络权值,生成BP-Adaboost强预测器。结果表明,该方法的预测误差明显优于BP 、PSO-SVM和Elman-Adaboost算法。