Author(s): LI Jiang, GUO Li-hong
Pages: 1354-1362
Year: 2014 Issue:  5
Journal: Optics and Precision Engineering
Keyword:  information fusion; target threat assessment; particle swarm optimization; Support Vector Machine (SVM);
Abstract: 针对信息融合中目标威胁估计的特点,分析了传统目标威胁估计方法和支持向量机(SVM)的不足.采用粒子群算法(PSO)对SVM中惩罚参数c和核函数g进行优化,建立了改进的SVM(PSO_SVM)目标威胁估计模型及算法.介绍了粒子群算法和支持向量机的原理,建立了一种新的PSO_SVM目标威胁估计模型;基于该模型,实现了PSO_SVM目标威胁估计算法.为适应该算法,对数据进行了预处理,包括数据量化和归一化.交叉验证寻找最佳参数时,采用PSO算法进行优化.采集75组原始数据用于仿真实验,其中60组作为训练集,15组作为测试集.仿真实验表明,该算法预测误差为0,达到了预期目标.实验结果真实、准确地反映了实际情况,证明了该方法的有效性.