elm adaboost matlab,基于ELM__AdaBoost强预测器的空战目标威胁评估

第４０卷　第８期 系统工程与电子技术 Ｖｏｌ．４０　Ｎｏ．８ ２０１８年８月 Ｓｙｓｔｅｍｓ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　 Ａｕｇ  ｕｓｔ２０１８ 文章编号： １００１－５０６Ｘ(２０１８)０８－１７６０－０９　 网址：ｗｗｗ．ｓｙｓ－ｅｌｅ．ｃｏｍ 收稿日期： ２０１７－０７－０４；修回日期： ２０１８－０１－２０；网络优先出版日期：２０１８－０６－２５。 网络优先出版地址：ｈｔｔｐ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ ／ｋｃｍｓ ／ｄｅｔａｉｌ ／１１．２４２２．ＴＮ．２０１８０６２５．０９２２．００８．ｈｔｍｌ 基金项目：航空科学基金(２０１５２０９６０１９ )资助课题 基于ＥＬＭ＿ＡｄａＢｏｏｓｔ强预测器的空战目标威胁评估 徐西蒙，杨任农，符　颖，赵　雨 (空军工程大学空管领航学院，陕西 西安７１００３８) 　　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。 关键词：空战；目标威胁评估；自适应推进极限学习机；空战训练测量仪；威胁指数法中图分类号：Ｖ　２７１．４　　　　文献标志码：Ａ　　　　ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．１００１－５０６Ｘ．２０１８．０８．１４ Ｔａｒｇｅｔ　ｔｈｒｅａｔ　ａｓｓｅｓｓｍｅｎｔ　ｉｎ　ａｉｒ　ｃｏｍｂａｔ　ｂａｓｅｄ　ｏｎ　ＥＬＭ＿ＡｄａＢｏｏｓｔ　ｓｔｒｏｎｇ　ｐｒｅｄｉｃｔｏｒ ＸＵ　Ｘｉｍｅｎｇ，ＹＡＮＧ　Ｒｅｎｎｏｎｇ，ＦＵ　Ｙｉｎｇ，ＺＨＡＯ　Ｙｕ ( Ａｉｒ Ｔｒａｆｆｉｃ Ｃｏｎｔｒｏｌ ａｎｄ Ｎａｖｉｇａｔｉｏｎ Ｃｏｌｌｅｇｅ ， Ａｉｒ Ｆｏｒｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ， Ｘｉ ’ ａｎ ７１００３８ ， Ｃｈｉｎａ ) 　　Ａｂｓｔｒａｃｔ：Ｔａｒｇｅｔ　ｔｈｒｅａｔ　ａｓｓｅｓｓｍｅｎｔ　ｉｓ　ａ　ｋｅｙ　ｐｒｏｂｌｅｍ　ｉｎ　ａｉｒ　ｃｏｍｂａｔ　ｓｉｔｕａｔｉｏｎａｌ　ａｗａｒｅｎｅｓｓ．Ａｉｍｉｎｇ　ａｔ　ｔｈｅ　ｄｅ－ｆｅｃｔｓ　ｏｆ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｍｅｔｈｏｄｓ　ｔｈａｔ　ａｒｅ　ｄｉｆｆｉｃｕｌｔ　ｔｏ　ｂｅ　ｂｏｔｈ　ａｃｃｕｒａｔｅ　ａｎｄ　ｒｅａｌ－ｔｉｍｅ，ａ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｅｘ－ｔｒｅｍｅ　ｌｅａｒｎｉｎｇ　ｍａｃｈｉｎｅ＿ａｄａｐｔｉｖｅ　ｂｏｏｓｔｉｎｇ(ＥＬＭ＿ＡｄａＢｏｏｓｔ)ｓｔｒｏｎｇ　ｐｒｅｄｉｃｔｏｒ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ｔｈｅ ＡｄａＢｏｏｓｔ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ，ｔｈｅ　ＥＬＭ　ａｌｇｏｒｉ