【技术实现步骤摘要】
本专利技术属于无人机飞行控制，具体涉及一种基于半监督自训练与置信规则库的无人机性能评估方法。
技术介绍
1、随着科技进步和娱乐需求的演变，无人机已成为现代生活的主流无人工具。无人机编队能够在无需人员直接参与的情况下执行复杂任务，通过高度协调的集群操作，实现多重功能。在这种情况下，发展无人机编队性能评估技术变得至关重要，精确的性能评估不仅有助于实时监控和优化无人机间的协同能力，也是提高编队应用能力和确保任务成功完成的基础。通过持续的性能评估，可以针对存在的问题进行即时调整，从而提升整个编队的长期作战效能和可靠性。
2、目前，得益于强大的学习能力和可拓展性，人工智能算法逐渐成为性能评估方法的主流，其中，置信规则库作为一种专家知识指导的可训练人工智能模型，其在性能评估中的实用性和可靠性已经在许多应用领域得到了广泛验证。但是，目前置信规则库训练策略均为有监督学习过程，即模型的参数训练高度依赖带标签样本。而在很多情境下，样本标签的获取依赖人工标注，这样的方式成本高昂且极为耗时。因此迫切需要为置信规则库模型开发其基于无标签样本的训练方法...
【技术保护点】
1.一种基于半监督自训练与置信规则库的无人机性能评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述半监督自训练方法包括：
3.根据权利要求2所述的方法，其特征在于，所述对本轮无标签样本集中的无标签样本进行模糊聚类处理，得到每个无标签样本属于各个样本簇的隶属度，包括：
4.根据权利要求3所述的方法，其特征在于，所述模糊C均值聚类算法的目标函数满足下述公式：
5.根据权利要求1所述的方法，其特征在于，所述性能评估模型用于：
6.根据权利要求5所述的方法，其特征在于，所述根据无人机编队的指...
【技术特征摘要】
1.一种基于半监督自训练与置信规则库的无人机性能评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述半监督自训练方法包括：
3.根据权利要求2所述的方法，其特征在于，所述对本轮无标签样本集中的无标签样本进行模糊聚类处理，得到每个无标签样本属于各个样本簇的隶属度，包括：
4.根据权利要求3所述的方法，其特征在于，所述模糊c均值聚类算法的目标函数满足下述公式：
5.根据权利要求1所述的方法，其特征在于，所述性能评估模型用于：
6.根据权利要求5所述的方法，其特征在于，所述根据无人机编队的指标...
【专利技术属性】
技术研发人员：杨若涵，吕晓波，曾丽娜，周德云，
申请(专利权)人：西北工业大学，
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。