分享到:

基于模糊神经网络的空袭兵器类型识别模型

0 引言在现代防空作战中 ,空袭兵器表现出多样化、高性能化以及空袭样式灵活化等特点。如何对空袭兵器进行准确的类型识别 ,是目前比较困难的问题 ,但它又是实现防空作战指挥自动化诸环节中极其重要的一环。因此 ,建立有效的类型识别模型和使用科学可行的处理方法显得尤为重要。1 主要类型和主要识别因素1 .1 空袭兵器的主要类型现代化的空袭作战是诸兵种参加多机种密切配合的联合作战 ,空袭兵器种类之多、类型之复杂达到了前所未有的程度。根据传统经验 ,空袭兵器一般分为五类[1 ] :( 1 )战术弹道导弹 (TBM ) ,它的主要特征是目标体积小 ,飞行弹道高 (最高可达1 0 0km以上 )、速度快 (最快达每秒 2 0 0 0多米 ) ,现已成为空袭的首选打击武器 ;( 2 )重型兵器 ,包括轰炸机、歼击轰炸机和歼击机等 ,它们机动性强、作战半径大 ,既能空战又可对地攻击 ,具有很强的快速反应能力 ,且机载武器种类多、威力大 ;( 3)轻...  (本文共4页) 阅读全文>>

《电光与控制》2004年01期
电光与控制

基于模糊神经网络的空袭兵器类型识别模型

0 引言在现代防空作战中,空袭兵器表现出多样化、高性能化以及空袭样式灵活化等特点,而如何对空袭兵器进行准确的类型识别,目前是比较困难的问题,但它又是实现防空作战指挥自动化诸环节中极其重要的一环。因而,建立有效的类型识别模型和使用科学可行的处理方法显得尤为重要。1 空袭兵器的主要类型和识别因素1.1 空袭兵器的主要类型根据传统经验,空袭兵器一般分为五类:第一类是TBM(战术弹道导弹);第二类是重型兵器,包括轰炸机、歼击轰炸机和歼击机等;第三类是轻型兵器,包括空地导弹、反辐射导弹和巡航导弹等;第四类是武装直升机;第五类是诱饵。1.2 空袭兵器的主要识别因素  依据平时收集的资料和积累的经验以及对未来空袭样式发展的预测,对空袭兵器的识别因素有:飞行高度(H):分为27000m、27000~150m、400m/s,一般作战飞机的突防速度为200~400m/s;基于以上考虑,可将速度分为2000m/s,400~2000m/s,200~10...  (本文共3页) 阅读全文>>

《中国电机工程学报》2004年01期
中国电机工程学报

小波模糊神经网络在电力系统短期负荷预测中的应用

1 引言 短期负荷预测在电力系统中具有十分重要的作用。准确的负荷预测有助于合理安排机组开停机计划,保持电网的安全稳定性,提高经济效益和社会效益。长期以来,国内外学者对短期负荷预测的理论和方法进行了广泛的研究,新的理论和方法不断应用于负荷预报中,如时间序列法,人工神经网络 法,专家系统及组合预测法等,负荷预测的精度也逐渐提高[1~4]。但由于负荷变化存在着较强的随机性和复杂性,各种方法均有一定的适用场合,并需不断的改进和完善。本文研究了基于小波模糊神经网络的电力系统短期负荷预测新方法,利用小波分析对负荷样本做序列分解,根据小波变换自适应可调时频窗的特点,对高尺度负荷分量采用常规预测方法,对其他负荷分量则采用模糊神经网络处理技术,最后通过序列重构,得到完整的负荷预测结果。大量数据计算表明,该方法具有较高的精度和很强的适应能力。 2 基于频带概念的负荷分量分解 根据短期负荷预测的性质,可知电力系统负荷的基本变化规律可由线性变化模型...  (本文共6页) 阅读全文>>

《微机发展》2004年06期
微机发展

基于进化式模糊神经网络的时间序列预测系统

0 引 言过去二十年来,神经网络被广泛用于时间序列预测这一领域,且取得了很大的成功,基于BP训练算法的多层感知器(MLP)是使用最多的神经网络模型。然而,大多数用于时间序列预测的神经网络都基于这样一个前提条件:历史数据与未来值存在线性或非线性关系,如基于BP的多层感知器[1],径向基函数(RBF)网络[2],这些系统试图辨识这种线性或非线性关系,或者将未来的状态和历史状态用函数来表示,例如一时间序列Y(t)(t=1,2,…),可以用式(1)来表示。Y(t+1)=F[X(t),X(t-1),…,X(t-n)](1)其中,Y(t+1)表示系统的t+1时间的输出,X(t),X(t-1),…,X(t-n)表示与Y相关联的因素。但现实世界中,一些时间序列问题无法用线性或非线性函数表示,有时根本无法辨识;另一个问题,许多使用MLP或RBF网络模型的时间序列预测系统,为了使网络适合当前的情况,在一个预测周期后,再训练网络,但是,某些时间序列系...  (本文共4页) 阅读全文>>

《成都理工大学学报(自然科学版)》2004年04期
成都理工大学学报(自然科学版)

基于动态模糊神经网络的入侵检测系统

计算机网络技术的发展大大地改变了以往以单机为主的计算模式。一方面,网络提供了资源的共享性,提高了系统的可靠性,通过分散工作负荷提高了工作效率。另一方面,正是这些特点,增加了网络安全的脆弱性。资源的共享和分布增加了网络受攻击的可能性,目前网络安全系统主要采用的是以防火墙为主的被动管理,即根据设定的规则,对流入网络中的流量进行过滤,从而防止非法行为的入侵。但是这种技术存在着许多缺点,如对于内部的攻击行为无法防止,而这种攻击又是网络中极为普遍的攻击行为。还有,这种技术采用的是过滤机制,通常会影响网络正常通信速度,往往成为网络运行的一个瓶颈。同时对于高速的通信网络难于实现有效的处理速度。防火墙本身受到攻击的话,则会导致整个网络无法运行。所以这种被动的安全机制不能够满足目前日益变化的网络安全需要了。此外,入侵检测系统采用的入侵检测技术还不完善。随着网络攻击手段向分布式方向发展(如出现的DOS攻击),而且还采用了各种数据处理技术,其破坏性和...  (本文共6页) 阅读全文>>

《仪器仪表学报》2004年S1期
仪器仪表学报

粒子群优化算法训练模糊神经网络

1 引  言Maguire等人提出的模糊神经网络FNN(FuzzyNeuralNetworks)是一类特点鲜明的神经网络结构,并在混沌时间序列预测中效果不错[1]。但是FNN用误差逆传播算法训练,有泛化能力不强的缺点,因此有必要研究其它的学习算法训练FNN。粒子群优化(ParticleSwarmOptimizer,PSO)算法是一类新兴的随机全局优化技术[2,3]。文献[4]研究了用PSO算法训练积单元神经网络取得了良好的效果。故PSO算法是有竞争力的神经网络学习算法。但将PSO算法用于训练其它结构的神经网络的研究尚不多见。因此这里研究用PSO算法训练FNN。实验结果说明PSO算法适合训练FNN,并且也有望应用于其它种类的前向神经网络的训练。2 PSO算法[2,3]D维的搜索空间中,有m个粒子,其中第i个粒子的位置是xi=(xi1,xi2,…,xiD),i=1,2,…,m,速度为vi=(vi1,vi2,…,viD)。将xi...  (本文共2页) 阅读全文>>