[发明专利]一种基于置信规则库推理的空中目标识别方法

权利要求书

1.一种基于置信规则库推理的空中目标识别方法，其特征在于，包括以下步骤：

S1、基于线性组合方式构建空中目标识别的置信规则库

S11、输入输出变量定义与空中目标识别模型建立

先定义空中目标特征信息作为置信规则推理方法的输入，再定义空中目标类型作为置信规则推理方法的输出，得到空中目标识别的置信规则库模型；

S12、假设识别问题中前提属性数量为T，训练数据的组数为H，已知目标分类数为C，则空中目标识别问题数据集的矩阵形式为：

其中，P_i表示矩阵的第i行，即第i组输入数据构成的行向量；U_j表示矩阵的第j列，即所有输入数据的第j个属性构成的列向量；x_i,j为矩阵的一个元素，表示第i组分类数据的第j个属性取值，

由于已知目标分类数为C，则每个前提属性对应设置C个参考值，效用等级个数设置为C，依据线性组合方式可知，空中目标识别的置信规则库中规则数为C，以此作为置信规则库推理的基础；

S13、依据数据集对置信规则库的参数取值进行设置；

S2、基于局部粒子群优化训练所构建的置信规则库的参数

对置信规则库的参数进行优化训练，优化算法为局部粒子群算法，其运动函数定义为：

V_i(t+1)＝ωV_i(t)+c₁r₁(p_best-x_i(t))+c₂r₂(l_best-x_i(t))

x_i(t+1)＝x_i(t)+v_i(t+1)

其中，V_i(t)为粒子的速度，x_i(t)为粒子当前的位置，t为迭代次数，ω为惯性权重，c₁和c₂为学习因子，r₁和r₂为[0,1]之间的随机数，l_best为邻域最优值，p_best为个体最优值；

置信规则库参数优化模型的符号表达式如下：

min{ξ(V)}

s.t.A(V)＝0,B(V)≥0

其中，V表示由组成的参数向量，ξ(V)表示推理误差；A(V)表示等式约束条件；B(P)表示不等式约束条件，输入历史观测数据到置信规则库，产生空中目标置信输出，再根据优化模型优化训练得到参数，最后得出参数优化训练后的置信规则库；

S3、基于证据推理实现置信规则库的推理并输出结果

S31、激活权重计算

首先，将输入信息x_i转化为相对于参考值的匹配度：

其中，表示第第j条规则中的第i个输入属性的匹配度，x_i表示属性的输入，表示第k条规则中的第i个前提属性所对应的各个参考值的初值，表示第k+1条规则中的第i个前提属性所对应的各个参考值的初值；

在求得匹配度后用证据推理算法将规则融合计算输出；当系统有输入时，基于置信规则库的某些原则被激活，则第k条规则的激活权重ω_k计算公式如下：

其中，表示第k条规则中第i个输入x_i相对于参考值的匹配度，表示第l条规则中第i个输入x_i相对于参考值的匹配度，L为总的规则数，M为前提属性的个数；θ_k为第k条规则的权重；

S32、ER算法融合

计算出规则的激活程度后，利用ER算法将置信规则库中的规则进行融合，公式如下：

其中，表示第k条规则下对应输出评价等级D_j的置信度，N表示结论向量的维数，L表示置信规则的个数，β_j,k表示规则库中第k条规则中第j个评价等级的置信度，ω_k为第k条规则的激活权重；

S33、结果输出

选择最高置信度对应的输出等级作为最终的目标识别结果：