【技术实现步骤摘要】
：本专利技术涉及智能算法领域，具体涉及时间序列分析、数据挖掘、可视化和可解释性等领域。在战场中实时对飞行员进行火控和传感器操作推荐，为战场态势感知、辅助决策提供帮助。为了推荐飞行员的传感器操作、武器控制行为，确定行为对应的战场初始态势信息，深度挖掘飞行员行为决策下的客观态势因素，对于战场态势实时分析、火控传感器操作推荐方法，目前已有大量研究，例如基于各种战术动作库的决策、基于优化方法的决策、基于深度学习方法的决策。但以上方法在处理战场实时火控、传感器操作推荐时都存在一些弊端：各种基于战术动作库的方法是建立在专家知识以及大量空战经验之上，但无法解决目前战场数据量少、样本标签标定过程漫长的问题，且大部分方法应用于离线场景，无法实时进行火控、传感器操作推荐；已有深度学习模型通常需要大规模的标记数据进行训练，以达到高性能水平，获取足够的实战数据可能是一个挑战，且其通常被认为是黑盒模型，难以解释其决策过程。
技术介绍
0、
技术介绍
：
1、战场态势实时分析是军事和国防领域的一个关键应用，需要结合多种
技术介绍
来实现实时态势的监测、分析和决...
【技术保护点】
1.一种划分时间窗口的方法，提取时序数据基本单元，通过特征构造，可以反映出某一时刻的战场态势信息，但是无法反映出敌我战斗机飞行过程中飞参数据与航电数据的时序特征，对于时间序列分类问题，划定时间窗口提取特征可以有效的捕捉一段时间内数据的特征，本专利技术所提取的时序特征包括：均值、方差、标准差、最大值、最小值、最大值最小值之差、变异系数七维时序特征，本专利技术中时间窗口的大小是一个超参数，需要通过不同时间窗口大小的实验的结果来寻找一个最优的时间窗口，以雷达频率行为关键点判断为例，使用LightGBM模型，通过比较火控与各传感器操作关键行为点判断在不同窗口下的准确率，选择最
【技术特征摘要】
1.一种划分时间窗口的方法，提取时序数据基本单元，通过特征构造，可以反映出某一时刻的战场态势信息，但是无法反映出敌我战斗机飞行过程中飞参数据与航电数据的时序特征，对于时间序列分类问题，划定时间窗口提取特征可以有效的捕捉一段时间内数据的特征，本发明所提取的时序特征包括：均值、方差、标准差、最大值、最小值、最大值最小值之差、变异系数七维时序特征，本发明中时间窗口的大小是一个超参数，需要通过不同时间窗口大小的实验的结果来寻找一个最优的时间窗口，以雷达频率行为关键点判断为例，使用lightgbm模型，通过比较火控与各传感器操作关...
【专利技术属性】
技术研发人员：袁伟伟，皇甫煜阳，关东海，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。