典型文献
基于KNN改进神经网络的测试系统自动设计
文献摘要：
为解决飞行试验领域机载测试系统传统设计过程中人为差错几率大、设计效率低的问题,采用流程模块化分解、逐级优化的设计思想,提取功能要素和资源配置信息,形成基于自动构型原则的测试系统自动设计方案;针对测试任务机器读取和智能分析的关键环节,基于机器学习理论和历史任务参数库,提出KNN临近算法改进的BP神经网络算法并仿真验证,提高了测试参数预测效率和分类准确度,设计并实现了机载测试系统自动设计软件.结果表明:与传统设计方法相比,采用机器学习算法进行机载测试系统自动设计可以更快响应复杂多变的试飞任务,并且缩短测试任务周期约41％、大幅节约试飞成本,有力推动测试系统向自动化、智能化方向发展.
文献关键词：
机载测试系统;自动设计;临近算法;神经网络算法;自动识别
中图分类号：
作者姓名：
李晓琳;谢帅;岳健
作者机构：
中国飞行试验研究院飞行试验测试航空科技重点实验室,陕西 西安710089
文献出处：
引用格式：
[1]李晓琳;谢帅;岳健-.基于KNN改进神经网络的测试系统自动设计)[J].计算机仿真,2022(05):50-55
A类：
B类：
KNN,改进神经网络,自动设计,飞行试验,机载测试系统,传统设计,设计过程中,人为差错,几率,设计效率,逐级优化,设计思想,功能要素,配置信息,测试任务,读取,智能分析,基于机器学习,机器学习理论,任务参数,临近算法,算法改进,神经网络算法,仿真验证,测试参数,参数预测,设计软件,机器学习算法,快响应,试飞,期约,飞成,自动识别
AB值：
0.414377
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
