[發明專利]一種目標威脅程度評估方法

有效

• 申請號: 201110236536.X
• 申請日: 2011-08-17
• 公開（公告）號: CN102298728A
• 公開（公告）日: 2011-12-28
• 發明（設計）人: 陳華;張可;全麗;張偉
• 申請（專利權）人: 電子科技大學
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 周永宏

1.一種目標威脅程度評估方法，其特征在于，包括如下步驟：

S1.建立威脅評估量化模型，確定各威脅因素的威脅指數；

S2.根據步驟S1所述的威脅指數初始化BP神經網絡結構；

S3.根據PSO算法確定BP神經網絡的初始權值和閾值；

S4.根據步驟S3得到的初始權值和閾值，利用步驟S1所述的威脅指數組成的訓練樣本對BP神經網絡進行訓練，得到訓練好的BP神經網絡；

S5.利用步驟S4得到的BP神經網絡對步驟S1所述的威脅指數組成的測試樣本進行測試，得到威脅評估程度。

2.根據權利要求1所述的目標威脅程度評估方法，其特征在于，所述的威脅指數包括：高度威脅指數，距離威脅指數、角度威脅指數、速度威脅指數，目標類型威脅指數。

3.根據權利要求1或2所述的目標威脅程度評估方法，其特征在于，步驟S3所述的確定BP神經網絡的初始權值和閾值的具體過程如下：

(31)粒子群初始化：在初始化范圍內，對粒子群進行隨機初始化，包括隨機位置和速度，根據初始化的BP神經網絡的結構，把BP網絡的權值和閾值個數作為每個粒子的維數，對其進行實數編碼；

(32)計算粒子適應度：以BP網絡的訓練誤差絕對值之和作為每個粒子的適應度；

(33)更新個體最佳適應度值：對于每個粒子，將其適應度值與所經歷的最好位置的適應值進行比較，如果更好，則將其作為粒子的個體歷史最優值，用當前位置更新個體歷史最好位置；

(34)更新全局最佳適應度值：對于每個粒子，將其歷史最有適應度值與群體內或鄰域內所經歷的最好位置的適應度值進行比較，若更好，則將其作為當前的全局最好位置；

(35)更新粒子的速度和位置：速度和位置更新方程為：

vidk+1=w*vidk+c1*rand*(pidk-xidk)+c2*rand*(pgdk-xidk)]]>

xidk+1=xidk+vidk+1]]>

其中，w為非線性慣性權重，w=wmin+12(wmax-wmin)*(1+cos((k-1)*πIter_ter-1)),]]>Iter_ter為最大迭代次數，c₁和c₂為學習因子，為第k次迭代時第i個粒子所歷經的個體極值，為第k次迭代時所有粒子經歷過全局極值，為第k次迭代時第i個粒子的位置，為第k次迭代時第i個粒子的速度，w_min和w_max為預設定的最小和最大的非線性慣性權重；rand為區間(0?1)中的隨機值；

(36)若生成的隨機數rand大于預設定的閾值α，則以一定的概率重新初始化粒子群；

(37)當達到預先設定迭代次數時，迭代終止，以個體集合中適應度值最好的個體作為全局最優解，得到始權值和閾值，若未達到預先設定的迭代次數，重復步驟(32)到(36)。