10.3969/j.issn.1002-0640.2023.03.028
基于卷积神经网络和随机森林的毁伤效果评估方法
目标毁伤效果评估是现代化战争中的重要一环.针对传统的毁伤效果评估方法无法区分目标特征与背景特征而导致评估结果不准确的问题,提出了卷积神经网络(convolutional neural network,CNN)和随机森林(random forest,RF)相结合的方法,记为CNN-F算法.通过卷积神经网络处理图像,提取图像特征,再使用随机森林替换卷积神经网络中的部分全连接层和softmax分类器进行目标毁伤结果分类.实验结果表明,该算法在准确度、精确度、召回率和F1 值 4 个指标上都达到了较高的水平,达到了 83.050%、83.585%、83.050%和 82.945%,其评估结果可以为指挥员下一步决策提供参考.
目标毁伤效果评估、图像处理、卷积神经网络、随机森林
48
TP183(自动化基础理论)
2023-05-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
185-190