System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能教育,具体涉及一种基于多层稀疏编码的机载侦察数据分析方法及系统。
技术介绍
1、机载侦察,作为空天地一体化战争的耳目、神经,对空中、地面、海上甚至海洋深处的军事行动产生越来越大的影响。各种侦察机、侦察无人机、机载侦察设备等已经成为各个国家军事行动中情报获取的主要途径,能否对侦察数据进行高精度分析、识别,了解其意图和行为,并对其进行干扰和对抗,在信息战中显得至关重要。
2、空天地一体化信息战的战争双方都企图通过截获、干扰、欺骗、控制信息来把握战场主动权。在很多信息对抗场景中,侦察方无法获知侦察数据的先验信息,同时还需要在通信侦察中识别多址方式、估计信号参数、识别调制方式,捕获跳频图案,在雷达侦察中识别雷达参数、指纹特征、工作模式等,甚至需要获取目标的军事目的、信息欺骗、行为特征、协作方式、战术意图等情报信息。因此,在无先验知识的情况下,能够对海量侦察数据的精确分析、识别、形成精确情报对现代空天地一体化信息对抗,军事对抗具有重要意义,也是信息情报获取、战场认知和战场指挥控制的瓶颈和核心。
3、针对机载侦察数据分析领域而言,目前情报分析告警频频出现虚警问题,情报数据支持力度严重制约战斗力提升。这主要由于情报信息分析不可靠、不准确、情报分析不科学问题,信息处理手段匮乏导致情报信息质量始终得不到提高。同时,随着机载侦察需求的发展,面对日积月累的机载侦察数据呈指数级别增长,数据形态复杂、数据密度高,衡量机载侦察数据级别已经跃升为tb、pb、eb,甚至zb、yb级别。
4、在传统的海量
5、面对如此纷繁复杂的海量机载侦察数据,传统的数据分析方法已经无法面对。因此,急需相应的高效方法进行海量机载侦察数据分析,提高海量数据分析能力和分析精度,并且保证在恶劣的信道条件下分析出的稳定和可靠情报特征,同时在海量芜杂的机载侦察数据,挖掘出有价值的情报信息。
技术实现思路
1、鉴于现有技术中的上述缺陷或不足,期望提供一种基于多层稀疏编码的机载侦察数据分析方法及系统。
2、第一方面,本专利技术实施例提供了一种基于多层稀疏编码的机载侦察数据分析方法,该方法包括:
3、s1:获取机载侦察的数据;
4、s2:将机载侦察的数据输入到循环神经网络中,通过前向自编码,增加隐藏层的层数,获得多源异构数据;
5、s3:分析多源异构数据的最小化误差,得到多层网络;
6、s4:建立多层网络前向输出和前向迭代输出得到隐层单元;
7、s5:对隐层单元建立权值重构及修正得到新的数据特征;
8、s6:将新的数据特征融合后得到特征输出。
9、在其中一个实施例中,所述分析多源异构数据的最小化误差,得到多层网络,包括:
10、将多源异构数据输入到dbn深度学习网络中得到多层网络。
11、在其中一个实施例中,所述建立多层网络前向输出和前向迭代输出得到隐层单元,包括:
12、将多层网络中的数据输入到稀疏编码器中,得到多层网络前向输出和前向迭代输出;
13、根据多层网络前向输出和前向迭代输出得到隐层单元。
14、在其中一个实施例中,所述对隐层单元建立权值重构及修正得到新的数据特征,包括:
15、将初始特征向量值传递给隐层单元后重建得到新特征向量;
16、将新特征向量映射到隐层单元后获取新的隐层单元;
17、增加隐层单元的网络层数改变训练数据的概率,以得到新的数据特征。
18、第二方面,本专利技术实施例提供了一种基于多层稀疏编码的机载侦察数据分析系统,该系统包括:
19、获取单元,用于获取机载侦察的数据;
20、输入单元,用于将机载侦察的数据输入到循环神经网络中,通过前向自编码,增加隐藏层的层数,获得多源异构数据;
21、分析单元,用于分析多源异构数据的最小化误差,得到多层网络;
22、第一建立单元,用于建立多层网络前向输出和前向迭代输出得到隐层单元;
23、第二建立单元,用于对隐层单元建立权值重构及修正得到新的数据特征;
24、融合单元,用于将新的数据特征融合后得到特征输出。
25、在其中一个实施例中,所述分析多源异构数据的最小化误差,得到多层网络,包括:
26、将多源异构数据输入到dbn深度学习网络中得到多层网络。
27、在其中一个实施例中,所述建立多层网络前向输出和前向迭代输出得到隐层单元,包括:
28、将多层网络中的数据输入到稀疏编码器中,得到多层网络前向输出和前向迭代输出;
29、根据多层网络前向输出和前向迭代输出得到隐层单元。
30、在其中一个实施例中,所述对隐层单元建立权值重构及修正得到新的数据特征,包括:
31、将初始特征向量值传递给隐层单元后重建得到新特征向量;
32、将新特征向量映射到隐层单元后获取新的隐层单元;
33、增加隐层单元的网络层数改变训练数据的概率,以得到新的数据特征。
34、第三方面,本专利技术实施例提供了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行程序时实现如本专利技术实施例描述的方法。
35、第四方面,本专利技术实施例提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序用于:
36、该计算机程序被处理器执行时实现如本专利技术实施例描述的方法。
37、本专利技术的有益效果包括:
38、本专利技术提供的一种基于多层稀疏编码的机载侦察数据分析,通过研究基于dbn网络的深度学习架构,基于超完备基的稀疏编码方式,以及基于模糊函数的深度学习决策,构建海量数据潜在的分布多层复杂特征表达,形成海量数据的线性或者非线性组合特征表达,以超越人工提取侦察数据特征表达的界限,不仅能获取通信侦察的传输体制、调制方式、编码方式、雷达侦察参数、指纹特征、工作模式、图像侦察的等较低层次的情报信息,更能获取目标的行为特征、协作方式、战术意图等较高层次情报信息,从而有效提高机载海量侦察数据分析精度。
本文档来自技高网...【技术保护点】
1.一种基于多层稀疏编码的机载侦察数据分析方法,其特征在于,该方法包括:
2.根据权利要求1所述的基于多层稀疏编码的机载侦察数据分析方法,其特征在于,所述分析多源异构数据的最小化误差,得到多层网络,包括:
3.根据权利要求1所述的基于多层稀疏编码的机载侦察数据分析方法,其特征在于,所述建立多层网络前向输出和前向迭代输出得到隐层单元,包括:
4.根据权利要求1所述的基于多层稀疏编码的机载侦察数据分析方法,其特征在于,所述对隐层单元建立权值重构及修正得到新的数据特征,包括:
5.一种基于多层稀疏编码的机载侦察数据分析系统,其特征在于,该系统包括:
6.根据权利要求5所述的基于多层稀疏编码的机载侦察数据分析系统,其特征在于,所述分析多源异构数据的最小化误差,得到多层网络,包括:
7.根据权利要求5所述的基于多层稀疏编码的机载侦察数据分析系统,其特征在于,所述建立多层网络前向输出和前向迭代输出得到隐层单元,包括:
8.根据权利要求5所述的基于多层稀疏编码的机载侦察数据分析系统,其特征在于,所述对隐层单元建
9.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序用于:
...【技术特征摘要】
1.一种基于多层稀疏编码的机载侦察数据分析方法,其特征在于,该方法包括:
2.根据权利要求1所述的基于多层稀疏编码的机载侦察数据分析方法,其特征在于,所述分析多源异构数据的最小化误差,得到多层网络,包括:
3.根据权利要求1所述的基于多层稀疏编码的机载侦察数据分析方法,其特征在于,所述建立多层网络前向输出和前向迭代输出得到隐层单元,包括:
4.根据权利要求1所述的基于多层稀疏编码的机载侦察数据分析方法,其特征在于,所述对隐层单元建立权值重构及修正得到新的数据特征,包括:
5.一种基于多层稀疏编码的机载侦察数据分析系统,其特征在于,该系统包括:
6.根据权利要求5所述的基于多层稀疏编...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。