無人機多次在現(xiàn)代戰(zhàn)場中展現(xiàn)了其突出的軍事優(yōu)勢,受到了國內外廣泛關注。威脅評估是無人機任務規(guī)劃系統(tǒng)的核心部分,但在實際戰(zhàn)場上,可以獲取的數(shù)據(jù)量是有限的,嚴重影響了無人機威脅評估的建模質量。因此,本文采用貝葉斯網(wǎng)絡（Bayesian Network,簡稱BN）對小數(shù)據(jù)集條件下建模方法進行了研究。本文的主要研究內容如下:（1）針對經典鳥群算法易于陷入局部最優(yōu)的問題,提出了改進的鳥群算法。首先,引入自適應慣性權重,自適應調整搜索空間,使算法易跳出局部最優(yōu);其次,根據(jù)適應度值將鳥群劃分為生產者和跟隨者,加快了算法的收斂速度。最后,通過對典型測試函數(shù)的數(shù)值實驗,證明了改進鳥群算法的有效性。（2）本文將改進鳥群算法與專家約束結合用于小數(shù)據(jù)集條件下的BN結構學習,提出了小數(shù)據(jù)集條件下基于改進鳥群算法的BN結構學習算法。小數(shù)據(jù)集蘊含的信息不全面,專家約束可以彌補信息的不足,改善改進鳥群算法的初始網(wǎng)絡和搜索過程。本文在小數(shù)據(jù)集條件下,利用Chest Clinic網(wǎng)絡、Animal Characteristics網(wǎng)絡和Car Diagnosis網(wǎng)絡對本文算法、基于經典鳥群算法和粒子群算法的BN結構學習算法得... 

【文章來源】：西安工程大學陜西省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

涉及六個變量的BN圖

N ]之間的隨機整數(shù)，且 k i；N 是種群大��；1a 和2a 是常數(shù)，間；第i只鳥的適應度值用ipFit 表示；全部鳥的適應度之和用sumFit 表機中最小的常數(shù)；鳥群的平均位置用jmean 表示。鳥的適應度值越小表。飛行行為群會因為逃避獵人追捕而定期的向別的區(qū)域移動。設鳥群的遷移周期為其他的區(qū)域后，它們會繼續(xù)覓食。覓食過程中，一部分鳥作為生產者領食物。生產者和跟隨者可以根據(jù)規(guī)則 4 從種群中劃分，它們的行為分別3-5)和式(3-6)描述。(0,1),,1,xxxrandntijtijtij ()(0,1),,,1,xxxxFLrandtijtkjtijtij randn(0,1)表示產生一個服從期望值為 0，標準差為 1 的高斯分布的隨N]，且 k i；FL( FL [0,1])為跟隨者跟著生產者覓食的概率。圖 3-1 給出了經典鳥群算法的流程圖。

條件下基于改進鳥群算法的 BN 結紹了一種基于經典鳥群算法的 BN 結構學習算法。然法應用于 BN 結構學習中，并通過專家經驗約束構建數(shù)據(jù)集條件下的 BN 結構學習，最終通過實驗仿真驗的表示形式一個有向無環(huán)圖，對應于鳥群算法我們可以將一個有一個有向無環(huán)圖可以用一個 N 階矩陣G 來表示， N義如下： 01節(jié)點和節(jié)點之間沒有邊節(jié)點和節(jié)點之間有一條的有向邊ijijij

【參考文獻】：
期刊論文
[1]幾何分布的參數(shù)估計及EM算法[J]. 張夢琇,周菊玲.  數(shù)學的實踐與認識. 2018(20)
[2]軍用無人機技術智能化發(fā)展及應用[J]. 尹欣繁,章貴川,彭先敏,李雷,田斌.  國防科技. 2018(05)
[3]蝙蝠算法理論研究[J]. 趙萍,許德剛.  電子質量. 2018(09)
[4]基于混合粒子群優(yōu)化的貝葉斯網(wǎng)絡結構學習方法[J]. 尉永清,陳小雪,伊靜,孟媛媛.  小型微型計算機系統(tǒng). 2018(09)
[5]基于DDBN-Cloud的艦艇編隊防空目標威脅評估方法[J]. 孫海文,謝曉方,孫濤,張龍杰.  系統(tǒng)工程與電子技術. 2018(11)
[6]美國防部發(fā)布《2017—2042年無人系統(tǒng)綜合路線圖》[J].   飛航導彈. 2018(08)
[7]基于爬山算法的自適應遺傳算法[J]. 任芳,沈文輝,范迪.  工業(yè)控制計算機. 2018(07)
[8]基于拓撲排序的貝葉斯網(wǎng)絡結構學習方法[J]. 蘇樹偉,范科峰,莫瑋.  電視技術. 2018(05)
[9]基于AHP與熵權法的空中目標威脅評估方法[J]. 孔尚萍,張海瑞,廖選平,洪東跑.  戰(zhàn)術導彈技術. 2018(01)
[10]基于蟻群節(jié)點尋優(yōu)的貝葉斯網(wǎng)絡結構算法研究[J]. 劉浩然,孫美婷,李雷,劉永記,劉彬.  儀器儀表學報. 2017(01)

博士論文
[1]貝葉斯網(wǎng)絡結構學習與推理研究[D]. 朱明敏.西安電子科技大學 2013

碩士論文
[1]基于超結構的貝葉斯網(wǎng)絡結構學習[D]. 胡慧君.西安電子科技大學 2016
[2]基于貝葉斯網(wǎng)絡的電機故障診斷研究[D]. 趙月南.浙江大學 2016
[3]基于小樣本數(shù)據(jù)的貝葉斯網(wǎng)絡結構學習研究[D]. 高梅.西安電子科技大學 2015



本文編號：3352463