[发明专利]一种基于模糊推理的空域运行态势评估分类方法

摘要

本发明公开了一种基于模糊推理的空域运行态势评估分类方法，属于空域态势评估分类技术领域。包括如下步骤：步骤一：收集待处理扇区的空域运行态势样本；步骤二：基于待处理扇区的空域运行态势样本建立初步模糊推理系统；步骤三：基于多目标种群自适应免疫算法优化模糊推理系统的可解释性与准确性。通过利用本发明所提供的的方法，可以针对大规模、高维度的扇区运行数据，围绕空域运行态势评估准确性和可解释性，使用多目标免疫优化算法，优化了空域态势评估的准确性，另外在实现免疫算法时避免了处理高维数据时模糊矩阵规模呈指数增长的情况，大大减少了算法所需的时间复杂度与空间复杂度，提高了收敛精度。

主权项

1.一种基于模糊推理的空域运行态势评估分类方法，其特征在于，包括如下步骤：步骤一：收集待处理扇区的空域运行态势样本；获取待处理扇区的空域运行态势样本，形成空域运行态势样本集，所述样本集中共k条样本，其中每条样本包含待处理扇区在某一单位时间内的n个特征，并且每条样本被标定有一个标签，共有m个不同类的标签；步骤二：基于待处理扇区的空域运行态势样本建立初步模糊推理系统；步骤三：基于多目标种群自适应免疫算法优化模糊推理系统的可解释性与准确性；所述步骤二具体包括：步骤2.1、哑编码：对所述m个不同类的标签进行哑编码；步骤2.2、模糊化：使用聚类算法将待处理扇区的空域运行态势样本归并聚类，每一聚类都有一个聚类中心，每一聚类中心初始化该聚类每个特征的高斯函数作为每个特征的模糊隶属度函数，初始化该聚类每个标签的钟形函数作为每个标签的模糊隶属度函数，对所述样本的每个特征与标签进行模糊化，将所述样本每个特征与标签的精确值转化为模糊值；步骤2.3、模糊规则库：使用每个特征与每个标签的模糊值建立IF‑THEN规则，特征的模糊值作为规则前件，标签的模糊值作为规则后件，经过哑编码后的m维单位正交向量转化为模糊值后的向量作为标签模糊向量；步骤2.4、模糊推理：确定模糊规则库中的同一规则内部不同维度模糊值间和不同规则输出间的模糊运算符，生成模糊集合；步骤2.5、解模糊：选用重心法作为解模糊方法，将模糊推理得到的模糊集合解模糊生成预测精确值，将不同维度间的预测精确值组成新的m维向量；步骤2.6、反向传播：针对预测精确值组成的向量的精确度进行优化；所述步骤三具体包括：步骤3.1、抗原识别：将待求解的多目标函数和约束条件作为多目标种群自适应免疫算法的抗原；步骤3.2、抗体初始化：使用步骤二中模糊推理系统的模糊规则库作为抗体，并在该模糊规则库周围随机生成多个模糊规则库作为抗体，为模糊规则库中的所有隶属度函数的参数使用实数编码成染色体结构；步骤3.3、支配区分：对所有抗体进行多目标函数的比较，从中识别所有非支配抗体和支配抗体，并从非支配抗体中随机取出一个作为标记抗体；步骤3.4、亲和度计算：分别计算标记抗体与非支配抗体的亲和度，标记抗体与支配抗体的亲和度，非支配抗体与支配抗体使用不同的亲和度计算方式；步骤3.5、免疫选择：选择亲和度小于预设亲和度阈值的所有非支配抗体与支配抗体组成被选抗体集合，其余的非支配抗体与支配抗体组成未选抗体集合；步骤3.6、抗体克隆：预设克隆规模最大值，将被选抗体集合中的抗体按亲和度高低排序并进行克隆；未选抗体集合中的抗体不论亲和度高低则全部进行克隆；步骤3.7、抗体变异：被选抗体集合中的抗体的一维产生变异，未选抗体集合中抗体的两维产生变异，变异程度同亲和度成比例；步骤3.8、抗体简化：移除冗余的模糊规则与模糊集合，包括有：移除不重要规则、合并相似规则、移除近似通用模糊集合和合并相似模糊集合；步骤3.9、抗体再选择：首先挑选非支配抗体；然后将支配抗体按照亲和度从小到大排序后，从亲和度最小的支配抗体开始取；直到新的被选抗体个数与初始化抗体个数相同；选择完成后，计算两两抗体间距离，如距离大于预设距离阈值，则把两个抗体中亲和度大的那个删掉，亲和度小的那个抗体保留；步骤3.10、种群刷新：判断是否达到约束条件，如果否，重复步骤3.2‑3.9直至达到约束条件。