[发明专利]一种基于标准化全连接残差网络的空战目标威胁评估方法

摘要

本发明公开了一种基于标准化全连接残差网络的空战目标威胁评估方法，属于战场态势评估领域。首先进行仿真实验标记数据，构建训练集与测试集存储于CSV文件中，其次在TensorFlow数据库下构建标准化全连接残差网络，包括构建读取CSV文件数据的图、残差网络层和标准化全连接残差网络图，最后创建TensorFlow会话，训练网络模型并测试，分析网络性能，对模型进行验证。本发明解决了其他空战目标威胁评估方法因缺乏对大样本数据的自学习推理能力而导致评估结果不准确的问题，可以自学习输入数据的分布，挖掘隐藏在数据中的规律，训练好的模型可以准确评估空战目标威胁。本发明主要用于（但不限于）战场态势评估。

主权项

1.一种基于标准化全连接残差网络的空战目标威胁评估方法，其特征在于包括以下步骤：/nS1：进行仿真实验标记数据，评估目标的属性包括导弹攻击距离、航向角、距离、速度、高度、类型、干扰能力，其中导弹攻击距离、航向角和距离均使用真实数据，对速度、高度、类型和干扰能力进行量化，得到速度、高度、类型和干扰能力的量化数据，7个属性的数据排列组合形成若干组仿真数据，仿真输出为仿真数据的威胁等级作为该组仿真数据的样本标记，每组仿真数据加上对应的样本标记构成样本数据，/nS2：将S1中样本数据分为训练集和测试集，存储在CSV文件中；/nS3：在TensorFlow数据库的基础上构建标准化全连接残差网络，包括读取CSV文件数据的图、残差网络层的图和标准化全连接残差网络结构图；/nS4：训练S3中搭建的标准化全连接残差网络，构建会话执行S3中所有的图，计算并构建数组存储每批数据准确率和损失，在训练数量达到程序中自定义的训练数据时，退出循环并绘制变化图，分析网络训练效果，判断是否需要修改超参数重复训练或对网络模型进行微调；/nS5：测试S4中训练好的网络模型，对网络模型进行分析验证，若标准化全连接残差网络的准确率达到使用要求，就利用该网络对空战目标进行威胁评估，若没有达到使用要求则继续训练该网络直到到达使用要求。/n