学术
国际标准刊号：ISSN 1002-0640
国内统一刊号：CN 14-1138
摘 要:
提出一种基于支持向量机的辐射源威胁评估方法。基于统计学习理论的支持向量机方法，其在小样本情况下表现出了极好的优越性，能够较好地完成威胁评估。实验表明，支持向量机可以很好地逼近专家评价的结果，并且要优于一般的神经方法。[著者文摘]
文章出处:
《火力与指挥控制》-2008年33卷2期,68 -63-65,68页
Fire Control & Command Control
栏目信息:
分 类 号:
文献标识码:
A
文章编号:
1002-0640（2008）02-0063-03
[参考文献]
Radiation Source Threat Assessment based on Support Vector Machine
YUAN bin ,GENG Bo-ying ,YANG Hong-mei （Naval University of Engineering and College of Electronic Engineering, Wuhan 430033 ,China）
Abstract:
This paper introduces a method of radiation source threat assessment based on support vector machine （SVM）. The SVM based on statistical learning theory （SLT） is a small-sample statistics and provides us a novel powerful learning method called Support Vector Maehineor （SVM）, which can solve small-sample learning problems better. Simulation results demonstrate the SVM method approaches the results of the expert, and is superior to the ANN method.[著者文摘]
Key words:
support vector machine, threat assessment, radiation resource
收稿日期: 2006-07-08
修订日期: 2006-11-05
基金资助:
‘‘十五”国防预研基金资助项目（10104010103）
更多评论>>文章评论
更多>>免费文章
cqvip.com