火力与指挥控制
火力與指揮控製
화력여지휘공제
FIRE CONTROL & COMMAND CONTROL
2014年
6期
108-110,114
,共4页
混合挖掘%军事数据%支持向量机%粗糙集
混閤挖掘%軍事數據%支持嚮量機%粗糙集
혼합알굴%군사수거%지지향량궤%조조집
mix mining%military data%support vector machine%rough set
基于军事信息系统的体系作战指挥，必须依托准确可靠的数据支撑。为了研究数据挖掘方法在军事数据上的学习性能，采用支持向量机方法和粗糙集对坦克连的作战数据进行了仿真实验。试验结果表明，支持向量机方法能够预测坦克连的命中率为100%，结合粗糙集方法，能够进一步提高支持向量机方法的学习性能，缩短学习时间。
基于軍事信息繫統的體繫作戰指揮，必鬚依託準確可靠的數據支撐。為瞭研究數據挖掘方法在軍事數據上的學習性能，採用支持嚮量機方法和粗糙集對坦剋連的作戰數據進行瞭倣真實驗。試驗結果錶明，支持嚮量機方法能夠預測坦剋連的命中率為100%，結閤粗糙集方法，能夠進一步提高支持嚮量機方法的學習性能，縮短學習時間。
기우군사신식계통적체계작전지휘，필수의탁준학가고적수거지탱。위료연구수거알굴방법재군사수거상적학습성능，채용지지향량궤방법화조조집대탄극련적작전수거진행료방진실험。시험결과표명，지지향량궤방법능구예측탄극련적명중솔위100%，결합조조집방법，능구진일보제고지지향량궤방법적학습성능，축단학습시간。
The system operation command based on military information system should be relied on the support of accurate and reliable data. To research the performance of data mining methods on military data,support vector machine and rough sets are used to test the combat data of tanks. The test results show that shooting rate of tanks can be predicted to 100 % by support vector machine. Together with rough sets method,the performance of SVM and training time can be further improved.
