[发明专利]一种目标威胁程度评估方法

权利要求书

1.一种目标威胁程度评估方法，其特征在于，包括如下步骤：

S1.建立威胁评估量化模型，确定各威胁因素的威胁指数；

S2.根据步骤S1所述的威胁指数初始化BP神经网络结构；

S3.根据PSO算法确定BP神经网络的初始权值和阈值；

S4.根据步骤S3得到的初始权值和阈值，利用步骤S1所述的威胁指数组成的训练样本对BP神经网络进行训练，得到训练好的BP神经网络；

S5.利用步骤S4得到的BP神经网络对步骤S1所述的威胁指数组成的测试样本进行测试，得到威胁评估程度。

2.根据权利要求1所述的目标威胁程度评估方法，其特征在于，所述的威胁指数包括：高度威胁指数，距离威胁指数、角度威胁指数、速度威胁指数，目标类型威胁指数。

3.根据权利要求1或2所述的目标威胁程度评估方法，其特征在于，步骤S3所述的确定BP神经网络的初始权值和阈值的具体过程如下：

(31)粒子群初始化：在初始化范围内，对粒子群进行随机初始化，包括随机位置和速度，根据初始化的BP神经网络的结构，把BP网络的权值和阈值个数作为每个粒子的维数，对其进行实数编码；

(32)计算粒子适应度：以BP网络的训练误差绝对值之和作为每个粒子的适应度；

(33)更新个体最佳适应度值：对于每个粒子，将其适应度值与所经历的最好位置的适应值进行比较，如果更好，则将其作为粒子的个体历史最优值，用当前位置更新个体历史最好位置；

(34)更新全局最佳适应度值：对于每个粒子，将其历史最有适应度值与群体内或邻域内所经历的最好位置的适应度值进行比较，若更好，则将其作为当前的全局最好位置；

(35)更新粒子的速度和位置：速度和位置更新方程为：

vidk+1=w*vidk+c1*rand*(pidk-xidk)+c2*rand*(pgdk-xidk)]]>

xidk+1=xidk+vidk+1]]>

其中，w为非线性惯性权重，w=wmin+12(wmax-wmin)*(1+cos((k-1)*πIter_ter-1)),]]>Iter_ter为最大迭代次数，c₁和c₂为学习因子，为第k次迭代时第i个粒子所历经的个体极值，为第k次迭代时所有粒子经历过全局极值，为第k次迭代时第i个粒子的位置，为第k次迭代时第i个粒子的速度，w_min和w_max为预设定的最小和最大的非线性惯性权重；rand为区间(0 1)中的随机值；

(36)若生成的随机数rand大于预设定的阈值α，则以一定的概率重新初始化粒子群；

(37)当达到预先设定迭代次数时，迭代终止，以个体集合中适应度值最好的个体作为全局最优解，得到始权值和阈值，若未达到预先设定的迭代次数，重复步骤(32)到(36)。