典型文献
基于M-ANFIS-PNN的目标威胁评估模型
文献摘要：
目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持.现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息.基于此,提出一种改进的自适应模糊神经推理系统模型.在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数.仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持.
文献关键词：
威胁评估;自适应模糊神经推理系统;多项式神经网络;混合属性;近邻传播聚类算法
中图分类号：
作者姓名：
于博文;于琳;吕明;张捷
作者机构：
南京理工大学自动化学院,江苏南京210094
文献出处：
引用格式：
[1]于博文;于琳;吕明;张捷-.基于M-ANFIS-PNN的目标威胁评估模型)[J].系统工程与电子技术,2022(10):3155-3163
A类：
自适应模糊神经推理系统,多项式神经网络
B类：
ANFIS,PNN,目标威胁评估,状态信息,定量估计,作战决策,定量数据,目标特征,特征信息,系统模型,前件,影响矩阵,矩阵和,后件,模糊规则,输出精度,出层,层替换,Gower,近邻传播聚类算法,改进模型,定模,混合属性,属性数据,数据建模,作战指挥,指挥决策
AB值：
0.318408
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。
