推荐星级：
- 1
- 2
- 3
- 4
- 5
改进粒子群优化BP神经网络的目标威胁估计
资料介绍
为了提高目标威胁估计精度,提出一种运用改进粒子群算法优化BP神经网络的方法。为了避免陷入局部极值,将变异过程引入粒子群算法中,并对相关参数进行优化,形成改进粒子群算法,对BP神经网络的初始权值和阈值进行优化。利用样本数量不同的训练集对网络进行训练,并用60组测试集数据对网络进行验证。实验结果表明,改进粒子群优化BP神经网络目标威胁估计算法具有更高的预测精度,在训练样本数量较小时能够获得较好的预测能力,可以有效地完成目标威胁估计。
部分文件列表
| 文件名 | 大小 |
| 改进粒子群优化BP神经网络的目标威胁估计.pdf | 2M |
部分页面预览
（完整内容请下载后查看）第
卷
第
期
３
（
吉 林 大 学 学 报 工 学 版
）
４７
Ｖｏｌ．４７ Ｎｏ．３
ꢀ ꢀ
ꢀ
年
月
（
ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔ Ｅｎｉｎｅｅｒｉｎ ａｎｄＴｅｃｈｎｏｌｏ Ｅｄｉｔｉｏｎ
ꢀ
）
２０１７
５
Ｍａ ２０１７
ｙ
ꢀ
ꢀ
ꢀ ꢀ
ꢀ
ｙ
ｇ
ｇ
ꢀ
ｇｙ
ꢀ
改进粒子群优化
神经网络的目标威胁估计
ＢＰ
，
１２
１
２
２
， ， ，
郭立红 李 姜 于 洋
ꢀ ꢀ
黄 璇
ꢀ
（ ，
中国科学院 长春光学精密机械与物理研究所 长春
１．
； ，
中国科学院大学 北京
１３００３３２．
）
１０００３９
： ，
要 为了提高目标威胁估计精度 提出一种运用改进粒子群算法优化
摘
神经网络的方
ＢＰ
ꢀ
。
， ， ，
为了避免陷入局部极值 将变异过程引入粒子群算法中 并对相关参数进行优化 形成改
法
，
进粒子群算法 对
。
神经网络的初始权值和阈值进行优化 利用样本数量不同的训练集对
ＢＰ
，
网络进行训练 并用
。 ，
组测试集数据对网络进行验证 实验结果表明 改进粒子群优化
ＢＰ
６０
，
神经网络目标威胁估计算法具有更高的预测精度 在训练样本数量较小时能够获得较好的预
，
测能力 可以有效地完成目标威胁估计
。
： ； ；
关键词 信息处理技术 威胁估计 粒子群优化算法
；
ＢＰ
；
神经网络 参数优化
：
：
Ａ
：
文章编号
１６７１５４９７２０１７０３０９９６０７
ꢀꢀ
（
）
中图分类号
文献标志码
ＴＰ３９１．９
ꢀꢀ
－
－
－
：
／
ＤＯＩ１０．１３２２９ ．ｃｎｋｉ．ｄｘｂｘｂ２０１７０３０４２
ｊ
ｊ
ｇ
ＴａｒｅｔｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｏｔｉｍｉｚｅｄ
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ
ｐ
ꢀ
ꢀ
ｇ
ｂ ｍｏｄｉｆｉｅｄ ａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎ
ꢀ
ｐ
ꢀ
ｐ
ꢀ
ｙ
ꢀ
，
１２
１
２
，
ｇ
２
，
，
ＨＵＡＮＧＸｕａｎ ＧＵＯＬｉｈｏｎ ＬＩＪｉａｎ ＹＵ Ｙａｎ
ｇ
ꢀ
ꢀ
－
ｇ
ꢀ
ꢀ
（
， ， ，
１．ＣｈａｎｃｈｕｎＩｎｓｔｉｔｕｔｅｏ Ｏ ｔｉｃｓ ＦｉｎｅＭｅｃｈａｎｉｃｓａｎｄ Ｐｈｓｉｃｓ ＣｈｉｎｅｓｅＡｃａｄｅｍ ｏ Ｓｃｉｅｎｃｅｓ Ｃｈａｎｃｈｕｎ１３００３３
ꢀ
，
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｇ
ｆ
ｐ
ｙ
ｙ ｆ
ꢀ ꢀ
ｇ
ꢀ
； ， ，
Ｃｈｉｎａ２．Ｕｎｉｖｅｒｓｉｔ ｏ ＣｈｉｎｅｓｅＡｃａｄｅｍ ｏ Ｓｃｉｅｎｃｅｓ Ｂｅｉｉｎ １０００３９Ｃｈｉｎａ
ꢀ
）
ｙ ｆ
ꢀ ꢀ
ｙ ｆ
ꢀ ꢀ
ｊ ｇ
：
（ ）
ＡｂｓｔｒａｃｔＡｎａｌｏｒｉｔｈｍｆｏｒｔａｒｅｔｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔｂａｓｅｄｏｎＢａｃｋＰｒｏａａｔｉｏｎ ＢＰ ｎｅｕｒａｌｎｅｔｗｏｒｋ
ꢀ ｇ ꢀ ꢀ ｇ ꢀ ꢀ ꢀ
ｐｇ
ꢀ
ꢀ
ꢀ
ꢀ
（
）
ｏｔｉｍｉｚｅｄｂ ＭｏｄｉｆｉｅｄＰａｒｔｉｃｌｅＳｗａｒｍ Ｏ ｔｉｍｉｚａｔｉｏｎ ＭＰＳＯ ｉｓ ｒｏｏｓｅｄｔｏｉｍ ｒｏｖｅｔｈｅ ｒｅｄｉｃｔｉｏｎ
ꢀｙ ꢀｐ ꢀｐ ｐ ꢀ ꢀ ｐ ꢀｐ
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
，
ａｃｃｕｒａｃ ｏｆｔａｒｅｔｔｈｒｅａｔ．Ｉｎｔｈｉｓ ＭＰＳＯａｌｏｒｉｔｈｍ ｍｕｔａｔｉｏｎｏｅｒａｔｏｒａｎｄｏｔｉｍｉｚａｔｉｏｎｆｏｒｓｅｖｅｒａｌ
ｙ ꢀ ｇ ꢀ
ꢀ ｇ ꢀｐ ꢀｐ
ꢀ
ꢀ
ꢀ
ꢀ ꢀ
ꢀ
ａｒａｍｅｔｅｒｓａｒｅｉｎｔｒｏｄｕｃｅｄｉｎ ＰＳＯｔｏａｖｏｉｄｔｈｅ ａｒｔｉｃｌｅ ｌｕｎｉｎ ｉｎｔｏｔｈｅｌｏｃａｌｏｔｉｍｉｚａｔｉｏｎ．Ｔｈｅ
ｐ
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀｐ ꢀｐ ｇ ｇ ꢀ ꢀ ꢀｐ
ꢀ
ＭＰＳＯａｌｏｒｉｔｈｍｉｓｅｍ ｌｏｅｄｔｏｏｔｉｍｉｚｅｔｈｅｉｎｉｔｉａｌｗｅｉｈｔｓａｎｄｔｈｒｅｓｈｏｌｄｓｏｆｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．
ꢀ ｇ ꢀ ꢀ ｐ ｙ ꢀ ꢀｐ ꢀ ꢀ ꢀ ｇ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ
ＴｈｅｎｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｏｔｉｍｉｚｅｄｂ ＭＰＳＯｉｓｔｒａｉｎｅｄｂ ｔｒａｉｎｉｎ ｓｅｔｓｏｆｄｉｆｆｅｒｅｎｔｓａｍ ｌｅｓｉｚｅｓ．
ꢀ ꢀ ꢀ ꢀ ꢀｐ ꢀｙ ꢀ ꢀ ꢀｙ ꢀ ꢀ ꢀ
ｇ ｐ ꢀ
ꢀ
ꢀ
ꢀ
６０ｓｅｔｓｏｆｔａｒｅｔｔｈｒｅａｔｄａｔａａｒｅａｄｏｔｅｄｔｏｔｅｓｔｔｈｅ ｅｒｆｏｒｍａｎｃｅｏｆ ＭＰＳＯＢＰｉｎｔａｒｅｔｔｈｒｅａｔ
ꢀ ꢀ ｇ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀｐ ꢀ ꢀ － ꢀ ꢀ ｇ ꢀ
ｐ
ｒｅｄｉｃｔｉｏｎ．Ｅｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗ ｔｈａｔｔｈｅ ｒｅｄｉｃｔｉｏｎ ａｃｃｕｒａｃ ｏｆｔａｒｅｔｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔ
ｇ ꢀ
ꢀ ꢀ ꢀ ꢀｐ ꢀ ꢀ
ｐ
ｐ
ꢀ
ｙ
ꢀ
ꢀ
，
ａｌｏｒｉｔｈｍｂａｓｅｄｏｎＭＰＳＯＢＰｉｓｈｉｈｅｒｔｈａｎｔｈａｔｂａｓｅｄｏｎｓｏｍｅｔｒａｄｉｔｉｏｎａｌａｌｏｒｉｔｈｍｓ ｗｈｉｃｈ ｒｏｖｅｓ
ꢀ ꢀ ꢀ ꢀ ｇ ꢀ ꢀ ꢀ ｇ ꢀｐ
ｇ
ꢀ
－
ꢀ
ꢀ
ꢀ
ꢀ
ｔｈｅｅｆｆｉｃｉｅｎｃ ｏｆｔｈｅ ｒｏｏｓｅｄａｌｏｒｉｔｈｍｉｎｓｏｌｖｉｎ ｔａｒｅｔｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔ ｒｏｂｌｅｍｉｎｓｉｔｅｏｆｔｈｅ
ｇ ꢀ
ꢀ ｇ ꢀ ꢀ ꢀ ꢀｐ
ꢀ
ｙ ꢀ ꢀｐ ｐ
ꢀ
ｇ
ꢀ
ꢀ ꢀｐ ꢀ ꢀ
ｓｍａｌｌｓａｍ ｌｅｓｉｚｅｏｆｔｒａｉｎｉｎ ｓｅｔ．
ꢀ
ｐ ꢀ ꢀ ꢀ ｇ
ꢀ
： ； ； （
Ｋｅ ｗｏｒｄｓｉｎｆｏｒｍａｔｉｏｎ ｒｏｃｅｓｓｉｎ ｔｅｃｈｎｏｌｏ ｔｈｒｅａｔａｓｓｅｓｓｍｅｎｔ ａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎ ＰＳＯ
ꢀ
）
ꢀｐ
ｇ
ꢀ
ｇｙ
ｐ
ꢀ
ꢀｐ
ｙ
ꢀ
；
；
ａｌｏｒｉｔｈｍ ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ ａｒａｍｅｔｅｒｏｔｉｍｉｚａｔｉｏｎ
ｐ
ｇ
ꢀ
ꢀ
ꢀｐ
：
收稿日期
２０１６０１１５．
－ －
：
基金项目 国家自然科学基金项目
（ ）
６１２０５１４３ ．
：
作者简介 黄璇
（
１９８８
）， ， ：
男 博士研究生 研究方向 多源引导信息融合
．Ｅ ｍａｉｌｈｕａｎｘｕａｎ ｃｅｒｅｉ．ｂｉｚ
ｇ ｐ
－ ＠
：
．
：
通信作者 郭立红
（
１９６４
）， ，
女 研究员 博士 研究方向 光电对抗装备总体设计
．Ｅ ｍａｉｌ ｕｏｌｈ ｃｉｏｍ ．ａｃ．ｃｎ
－ ＠
ｐ
，
：
：
．
ｇ
·
·
， ：
璇 等 改进粒子群优化
９９７
第
期
黄
神经网络的目标威胁估计
ＢＰ
３
ꢀ
，
假设在 维空间中 种群
Ｓ
（ ， ，…，
Ｘ Ｘ
２
Ｘ
＝
１
引 言
ꢀ ꢀ
０
） 。
中的每一项代表一个粒子 各项有其相应的
Ｘ
ｎ
，
，
位置 即优化问题的一个可能的解 用 维向量
Ｓ
，
对敌方目标进行威胁估计 主要是对其杀伤
Ｔ
， ，…，
ｘ１ ｘ２ ｘ
ｉＳ
）
（
ｉ
，，…， ） ，
来表示
ｎ
。
能力和威胁程度进行估计 威胁估计在信息融合
Ｘｉ
１２
＝
＝
ｉ
ｉ
（
Ｔ
，
模型中处于第 级 对于估计作战事件出现的严
３
， ，…，
ｖ１ ｖ２ ｖ
ｉＳ
）
。
根据目标函数可
其速度
Ｖ
ｉ
＝
ｉ
ｉ
（
。 ，
以计算其适应度 迭代时有两个主要的依据 一
，
重程度有重要作用 为决策和指挥提供支持
。
目
［］
１
、
Ｔ
，
，…，
Ｐ
ｉＳ
）
，
表 示某
个是个体极值
前常用的目标威胁估计方法包括
推理
Ｐ
ｉ
Ｐ
ｉ１
（
Ｐ
Ｂａｅｓ
ｙ
＝
ｉ２
［］
２
、
［］
３
、
［］
４
、
支持
一个体在迭代历史中的得到其最优适应度时所在
直觉模糊集
层次分析法
集
Ｖａｕｅ
ｇ
［ ，］
５６
。
向量机等
近年来 智能技术 特别是神经网络技术在控
；
的 位 置 另 一 个 是 全 局 极 值
Ｐ
＝
ｇ
Ｔ
，
Ｐｇ１ Ｐｇ２
（
，…，
ＰｇＳ
，
表 示 全 体 在 迭 代 历 史 中 得
，
，
）
［ ，］
７８
［］
９
图像处理 等领域得到了广泛应用 文献
。
到最优适应度时所在的位置 迭代时粒子的速度
、
。
制
（）（）
按照式 进行更新
１ ２
：
［ ］
成功地将
１０
（
ＢＰ Ｂａｃｋ ｒｏａａｔｉｏｎ
ꢀｐ ｐｇ
）
和位置可以根据
和
Ｐ
ｇ
神经网络应
Ｐ
ｉ
ｋ １
＋
ｋ
ｋ
ｋ
（
ｃｒ Ｐ
１
）
＋
。 ，
用于目标威胁估计之中 但是 神经网络容易陷
ｖ
ｖ
＝ω
ｉ
ｊ
ｘ
－
ｉ
ｊ
＋
ｉ
１
ｉ
ｊ
ｊ
ｋ
ｋ
， 、
入局部极值 特别是对于处理小样本 高维度问
（
ｃｒ Ｐ
ꢀꢀ
）
（）
１
ｘ
－
ｉ
ｊ
２
２
ｇｊ
ｋ １
＋
ｋ
ｋ １
＋
， ， 。
题 其收敛速 度会 变 慢 网 络 性 能 也 会 变 差 此
（）
２
ｘ
ｘ
ｖ
＋
ｉ
ｊ
＝
ｉ
ｉ
ｊ
ｊ
， ，
外 一旦初始权值和阈值选取不恰当 将使其难以
：
ｋ
；
代表当前处于第 次迭代 为惯性权重
ｋ
；
式中
ω
，
收敛 无法获得较好的预测效果
。
，，…， ；
Ｓｃ
和 分别为局部加速因子和全
ｃ
２
１２
＝
ｊ
１
ｋ
（
，
粒子 群 优 化
；
［，］ ；
间随机数
ｖ
ω
Ｐａｒｔｉｃｌｅｓｗａｒｍ ｏｔｉｍｉｚａｔｉｏｎ
ꢀ ꢀｐ
局加速因子
和
ｒ
２
为
为粒
ｉ
ｒ
０１
１
ｊ
ｋ
ｋ
） ，
算法是一种较新的群智能优化算法 可以对
；
（
ｃｒ Ｐ
１
）
为粒子对自身实力
ｘ
－
ｉ
ｊ
ＰＳＯ
子的惯性行为
１
ｉ
ｊ
ｋ
ｋ
，
各种连续和离散问题的参数进行寻优操作 具有
；
（
ｃｒ Ｐ
２
）
为粒子对周围环
ｘ
－
ｉ
ｊ
进行认知的行为
２
ｇｊ
［
］
１１
、
参 数 辨
、 ，
精度 高 收 敛 快 的 特 点 在 目 标 跟 踪
。
境进行认知的行为
［
］
１２
、
［ ］
１３
。
等 领 域 有较好 的 应 用 然 而
识
信号处 理
粒子根据自身和全局的经验向最优位置搜索
，
算法也具有容易陷入局部最优解的缺点 导
ＰＳＯ
致经过寻优获得的参数在处理
。
移 动 迭 代 时 需 保 证
，
ｘｍｉｎ ｘｍａ ｖ
ｘ
，
］
ｘ
∈
∈
［
网络小样本训
，
ｍｉｎ ｖ
ｍａｘ
。
］
ＢＰ
练问题时可能还不如未经优化的网络
为解决 算法容易陷入局部极值的问题
ｖ
［
。
、 ，
算法使用简单 寻优速度较快 但
基本
ＰＳＯ
同时也存在如下问题
，
：
ＰＳＯ
，
算法的相关参数进行改进 并引入变
本文对
（） ： ，
局部极值问题 算法迭代时 所有粒子都
１
ＰＳＯ
，
异 运 算 形 成 改 进 的 粒 子 群 优 化
（
Ｍｏｄｉｆｉｅｄ
， ，
向当前最优解移动 种群搜索空间不断缩小 形成
［
］
１５
，
，
ａｒｔｉｃｌｅｓｗａｒｍ ｏｔｉｍｉｚａｔｉｏｎ ＭＰＳＯ
ꢀｐ
） ，
算 法 以 此
粒子种群快速趋同效应
但是此时的最优位置
ｐ
ꢀ
（
神 经 网 络
ＢＰｎｅｕｒａｌ
建立 改 进 粒 子 群 优 化
，
可能只是某一局部搜索空间里的最优位置 搜索
ＢＰ
ꢀ
，
ｎｅｔｗｏｒｋｏｔｉｍｉｚｅｄｂ ｍｏｄｉｆｉｅｄＰＳＯ ＭＰＳＯＢＰ
ꢀｐ ꢀｙ
）
， ，
陷入局部极值之中 导致早熟收敛 失去粒子之间
ꢀ
－
ꢀ
。 ，
算法 运用个体粒子代表网络的权值和阈值 以
。
所需要保持的多样性
，
网络 的 预 测 误 差 作 为 个 体 粒 子 的 适 应 度 通 过
（） ： ，
收敛精度问题 粒子在搜索移动时 受惯
２
ｋ
， ，
算法对粒子进行寻优 得到最 优 解 并 以
， ，
的影响 当惯性因子较大时 粒子的收
性行为
ＭＰＳＯ
ｖ
ω
ｉ
ｊ
。 ，
神经网络 最后 采集样本数量不
此来构造
，
敛速度会很快 但当粒子靠近最优解时又会受到
ＢＰ
同的 目 标 威 胁 估 计 训 练 集 对
进 行 训
，
高惯性权重的影响而不能精细地搜索 使得收敛
ＭＰＳＯＢＰ
－
， ，
练 运用测试集数据验证网络的预测性能 并与
。
精度不高
基本
、
ＢＰ ＰＳＯＢＰ
－
。
算法的性能进行比较
算法的这些问题会导致当训练样
ＰＳＯ
，
本数较低时 对网络进行优化后的预测误差甚至
粒子群优化算法
１
ꢀ
。 ，
会大于未经过优化的 因此 为了提高预测精度
，
，
使其能在小样本训练中发挥作用 需对
基本粒子群优化算法
算法
１．１
ＰＳＯ
ꢀ
［
］
１４
，
算法 是一种经典的群智能算法 由以
。
进行改善
改进粒子群优化算法
１．２
ꢀ
ＰＳＯ
：
；
②
；
适应度计算 极值
③
下
部分构成
初始化
４
①
；
④
。
，
局部极值的产生 是基本
更新
位置和速度更新
算法在迭代更
ＰＳＯ
更多>>
最新上传
- 打赏
- 30日榜单
-
zhengdai 打赏1000.00元 3天前
资料：STM32IAP使用说明
-
gsy幸运 打赏955.00元 3天前
资料：STM32IAP使用说明
-
小猫做电路 打赏855.00元 3天前
资料：STM32IAP使用说明
-
21ic小能手 打赏310.00元 3天前
用户：zhengdai
-
21ic小能手 打赏320.00元 3天前
用户：liqiang9090
-
21ic小能手 打赏310.00元 3天前
用户：gsy幸运
-
21ic小能手 打赏270.00元 3天前
用户：jh03551
-
21ic小能手 打赏240.00元 3天前
用户：小猫做电路
-
21ic小能手 打赏210.00元 3天前
用户：w178191520
-
21ic小能手 打赏90.00元 3天前
用户：kkfjenui
-
21ic小能手 打赏60.00元 3天前
用户：liao6
-
21ic小能手 打赏60.00元 3天前
用户：w1966891335
-
21ic小能手 打赏90.00元 3天前
用户：jh0355
-
21ic小能手 打赏30.00元 3天前
用户：xuzhen1
-
21ic小能手 打赏30.00元 3天前
用户：sun2152
-
21ic小能手 打赏50.00元 3天前
用户：xzxbybd
-
21ic小能手 打赏50.00元 3天前
用户：mulanhk
-
21ic小能手 打赏20.00元 3天前
用户：x15580286248
-
21ic小能手 打赏15.00元 3天前
用户：w993263495
-
21ic小能手 打赏30.00元 3天前
用户：玉落彼岸
-
21ic小能手 打赏20.00元 3天前
用户：铁蛋锅
-
21ic小能手 打赏10.00元 3天前
用户：zmcch
-
21ic小能手 打赏10.00元 3天前
-
21ic下载 打赏1.00元 3天前
用户：zzcyolo
-
21ic下载 打赏1.00元 3天前
用户：玉落彼岸
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
sdqdjqk 打赏1.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
wisdomlin 打赏1.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
799902619 打赏1.00元 3天前
资料：新立新龙软件
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
全部评论(0)