买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏大学

摘要：本发明公开了一种多弹协同突防中的目标威胁程度评估方法，首先离线构建深度神经网络，获得威胁属性集数据、相应评估值，并将二者分别作为网络训练数据的输入数据以及标签值，得到训练深度神经网络所需离线数据集；基于离线数据集，将噪声以及威胁属性集数据作为生成对抗式网络输入，使得噪声学习并逼近威胁属性集数据分布，得到与威胁属性集数据相近伪样本数据，从而扩充威胁属性集数据；利用扩充后的离线数据集离线训练、测试和验证，完成深度神经网络的构建；运用离线建立深度神经网络，进行导弹在线目标威胁评估；当出现异常情况，运用查表方法得到异常情况下目标威胁评估值；将异常情况目标威胁属性值及评估值作为训练数据，继续对网络在线训练，优化并提升网络性能。

主权项：1.一种多弹协同突防中的目标威胁程度评估方法，其特征在于，包括如下步骤：步骤1，离线构建、训练、测试、验证深度神经网络；步骤1.1，离线构建深度神经网络；步骤1.1中离线构建深度神经网络的方法为：采用多个不同长度的一维卷积核、全连接层以及softmax函数构建深度神经网络；采用一维卷积核提取训练集数据深层特征；采用全连接层汇集采集特征并进行分类；运用softmax函数输出目标威胁程度概率值，从而得到威胁程度严重等级；步骤1.2，离线构建深度神经网络训练数据集；步骤1.2中离线构建深度神经网络训练数据集的方法为：选取主要威胁属性构建威胁属性数据集，对威胁属性数据采用主客观相结合的直觉模糊多属性决策法进行离散化处理，对离散化后的威胁属性数据运用主客观综合赋权法，对来袭拦截弹每个威胁属性进行赋权，进而得到来袭拦截弹的各项威胁属性的权值，再运用典型多属性决策法得到威胁属性集数据相应评估值；将所获得的威胁属性集数据以及威胁属性集数据相应评估值作为训练数据，由此得到训练深度神经网络所需离线数据集；步骤1.3，离线扩充深度神经网络训练数据集；步骤1.3离线扩充深度神经网络训练数据集的方法为：基于步骤1.2得到的离线数据集，将噪声以及威胁属性集数据作为生成对抗式网络输入，使得噪声学习并逼近威胁属性集数据分布，得到大量与威胁属性集数据相近伪样本数据，从而扩充威胁属性集数据；对扩充后的威胁属性集数据采用步骤1.2的方法再次得到扩充后的威胁属性集数据相应的评估值；将扩充后的威胁属性集数据与扩充后的威胁属性集数据相应的评估值作为新训练数据集，完成深度神经网络训练数据集的离线扩充；步骤1.4、离线训练深度神经网络；步骤1.5、离线测试和验证神经网络；步骤2、基于步骤1得到的具有满意预测精度的深度神经网络，并将此深度神经网络用于在线目标威胁评估；步骤2中在线目标威胁程度评估的方法为：基于步骤1中所获得的深度神经网络，同时将异常情况下目标威胁评估值，以表形式提前装订于弹载计算机；将异常情况下目标威胁属性数据、异常情况下目标威胁程度评估值结果作为训练数据，实时对网络进行训练；步骤3、在线目标威胁评估过程中出现地异常情况，通过查表方式得到目标威胁评估值，并将异常情况下目标威胁属性数据以及相应评估值，作为神经网络输入数据，进一步对网络进行优化。

全文数据：

权利要求：

百度查询： 江苏大学 一种多弹协同突防中的目标威胁程度评估方法