强激光与粒子束
彊激光與粒子束
강격광여입자속
HIGH POWER LASER AND PARTICLEBEAMS
2014年
8期
190-194
,共5页
彭凯%王杉%方进勇%黄普明
彭凱%王杉%方進勇%黃普明
팽개%왕삼%방진용%황보명
概率神经网络%高功率微波探测%模糊推理机制%威胁评估
概率神經網絡%高功率微波探測%模糊推理機製%威脅評估
개솔신경망락%고공솔미파탐측%모호추리궤제%위협평고
probability neural network%high power microwave exploration%fuzzy inference system%threat assessment
为了更好地处理高功率微波探测过程中产生的样本数据,在深入分析高功率微波特性参数的基础上,建立一个高功率微波器件特征参数库,并结合概率神经网络系统建立了一个高功率微波探测预测模型.通过部分学习样本和非学习样本进行预测,预测结果证明该模型能够基本再现原始数据,同时,对非样本数据有着较好的预测能力.这一数据处理方法在处理复杂样本、模式分类和判别过程中具有较高的实用性和实时性,能够在高功率微波探测数据的数据分类、结果预测等方面得到较好的应用.
為瞭更好地處理高功率微波探測過程中產生的樣本數據,在深入分析高功率微波特性參數的基礎上,建立一箇高功率微波器件特徵參數庫,併結閤概率神經網絡繫統建立瞭一箇高功率微波探測預測模型.通過部分學習樣本和非學習樣本進行預測,預測結果證明該模型能夠基本再現原始數據,同時,對非樣本數據有著較好的預測能力.這一數據處理方法在處理複雜樣本、模式分類和判彆過程中具有較高的實用性和實時性,能夠在高功率微波探測數據的數據分類、結果預測等方麵得到較好的應用.
위료경호지처리고공솔미파탐측과정중산생적양본수거,재심입분석고공솔미파특성삼수적기출상,건립일개고공솔미파기건특정삼수고,병결합개솔신경망락계통건립료일개고공솔미파탐측예측모형.통과부분학습양본화비학습양본진행예측,예측결과증명해모형능구기본재현원시수거,동시,대비양본수거유착교호적예측능력.저일수거처리방법재처리복잡양본、모식분류화판별과정중구유교고적실용성화실시성,능구재고공솔미파탐측수거적수거분류、결과예측등방면득도교호적응용.
