基于ELM_AdaBoost强预测器的空战目标威胁评估

摘要

目标威胁评估是空战态势感知中的关键问题.针对传统评估方法难以兼具准确性和实时性的缺陷,提出了一种基于自适应推进极限学习机(extreme learning machine_adaptive boosting,ELM_AdaBoost)强预测器的新方法.结合AdaBoost分类算法对ELM算法进行改进,提出了ELM_AdaBoost算法,构造了ELM_AdaBoost强预测器.在空战训练测量仪中选取空战数据,利用威胁指数法构造了目标威胁评估样本数据.构建了基于ELM_AdaBoost强预测器的空战目标威胁评估模型,在一定范围内确定了使算法预测精度相对较好的ELM网络隐含层节点数和弱预测器个数.通过仿真实验分析了评估的精度和实时性,结果表明该方法在保证较高评估精度的同时减少了评估所用时间,可以准确、快速地进行空战目标威胁评估.