典型文献
基于SSA-SVM的空中目标意图识别方法
文献摘要：
针对传统的网格搜索算法(GSA)和粒子群算法(PSO)分别优化的支持向量机(SVM)无法同时满足舰船对空中目标意图识别中准确性和快速性的需要而导致识别效果较差的问题,提出了一种基于麻雀搜索算法(SSA)优化支持向量机的空中目标意图识别方法,建立了基于SSA-SVM的空中目标意图识别模型,并通过仿真实验与上述两种算法优化的支持向量机模型进行效果对比.结果表明,相比GSA-SVM和PSO-SVM,SSA-SVM同时具有较高的识别准确率和较短的识别运算时间.因此SSA-SVM能够既准确又快速地识别空中目标意图,具有更好的识别效果,验证了该方法的有效性.
文献关键词：
支持向量机;网格搜索算法;粒子群算法;麻雀搜索算法;空中目标意图识别
中图分类号：
作者姓名：
吴广宇;史红权;邱楚楚
作者机构：
海军大连舰艇学院 大连 116018;中国人民解放军91991部队 舟山 316041
文献出处：
引用格式：
[1]吴广宇;史红权;邱楚楚-.基于SSA-SVM的空中目标意图识别方法)[J].舰船电子工程,2022(03):29-34
A类：
空中目标意图识别
B类：
SSA,网格搜索算法,GSA,粒子群算法,PSO,舰船,快速性,麻雀搜索算法,优化支持向量机,识别模型,算法优化,支持向量机模型,效果对比,识别准确率,运算时间
AB值：
0.160456
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。
