基于注意力机制改进的LSTM空战目标意图识别方法

空战对抗过程中的目标状态数据呈现时序性、多维性等特征,为进一步提升目标意图识别的准确率,提出了一种基于改进注意力机制的长短期记忆网络(LSTM)目标识别方法,将空战可能出现的目标意图识别当成一个多分类问题处理。该方法首先通过目标实时的状态数据,生成特征序列;接着采用注意力机制提升目标的特征学习能力,增强空战过程中的主要目标状态特征表示,得到具有权值分配的特征向量;最后利用LSTM网络对目标特征向量进行训练,通过softmax层实现目标意图的识别。仿真实验表明,该方法利用注意力机制有效增强目标的特征学习,进一步提升了LSTM网络的识别精度,具有一定的科学性和有效性。     

基于AHP-CRITIC组合赋权的VIKOR空战威胁评估

针对在设置空战威胁评估指标权重时,无法完全体现威胁评估数据的客观性以及主观赋权方法对确定权值所带来的主观影响等问题,提出了一种运用AHP方法与CRITIC方法相结合的赋权方法.通过利用AHP方法综合专家对指标权重的判断,再根据CRITIC方法确定客观数据间的联系,实现对威胁评估指标的组合赋权;然后利用VIKOR方法,通...