广西师范大学学报（自然科学版） ›› 2015, Vol. 33 ›› Issue (4): 43-48.doi: 10.16088/j.issn.1001-6600.2015.04.008

• • 上一篇    下一篇

基于SVR-RFE的作战方案评估指标选择方法

丁晓剑, 丁冉   

  1. 信息系统工程重点实验室,江苏南京210007
  • 收稿日期:2015-04-24 出版日期:2015-12-25 发布日期:2018-09-21
  • 通讯作者: 丁晓剑(1982-),男,江苏沭阳人,信息系统工程重点实验室高级工程师。E-mail: wjswsl@163.com
  • 基金资助:
    国家自然科学基金资助项目(61402426,51405327)。

Battle Scheme Evaluation Index Selection Based on SVR-RFE

DING Xiao-jian, DING Ran   

  1. Science and Technology on Information Systems Engineering Laboratory, Nanjing Jiangsu 210007, China
  • Received:2015-04-24 Online:2015-12-25 Published:2018-09-21

PDF (PC)

227

摘要： 针对作战方案评价指标权值确定过程存在不确定和主观性的问题,本文提出了基于支持向量回归机的线性和非线性递归特征消除法(SVR-RFE)。该方法利用权值向量和函数值作为SVR-RFE的特征选择标准,采用支持向量回归机(SVR)对特征选择前后的回归能力进行了分析比较。在某作战方案样本集上的仿真实验表明,线性和非线性SVR-RFE在作战方案数据集上的特征选择效果是一致的,在特征维度为50%左右时,SVR算法达到最优泛化性能。

关键词: 支持向量回归, 递归特征消除法, 评估指标

Abstract: In order to overcome the uncertainty and subjectivity in deciding the evaluation index weight of battle scheme,linear and non-linear SVR-RFE are proposed. The proposed methods make weight vector and the cost function value to act as feature selection criteria,and SVR is employed to compare the regression ability. The simulation experimental results on a battle scheme samples show that the same performance can be achieved by linear and non-linear SVR-RFE methods. The optimum generalization performance is achieved when index feature is about 50% .

Key words: support vector regression, recursive feature elimination, evaluation index

中图分类号: 

  • E917
[1] 贾跃,宋保维,赵向涛. 基于层次分析法的占领阵位方案优选评判方法[J]. 火力与指挥控制,2006,31(7):24-26.
[2] 沈利兵,黄大荣,楚晓艳,等. 基于三标度层次分析法的路网脆弱性影响因素研究[J]. 广西师范大学学报:自然科学版,2013,31(4):54-59.
[3] 杨州,袁卫卫,王明利. 基于改进层次分析法的对地攻击方案优选决策[J]. 火力与指挥控制,2011,36(1):111-113.
[4] 李明,任伟,王俊涛. 基于模糊评估的防空兵作战方案最优排序方法[J]. 兵工自动化, 2009,28(5):21-23.
[5] 佟海鹏,徐海刚,刘兆平. 基于熵权灰关联法的基地防空作战方案优选[J]. 火力与指挥控制,2012,37(1):113-115.
[6] 刘湘伟,刘冰雁,郭建蓬,等. 指标权重不确定的电子对抗作战方案评估方法[J]. 信息工程大学学报,2014,15(1):1-5.
[7] GUYON I,WESTON J,BARNHILL S. Gene selection for cancer classification using support vector machines [J]. Machine Learning,2002,46(1/2/3):389-422.
[8] SHIEH M D, YANG C C. Multiclass SVM-RFE for product form feature selection [J]. Expert Systems with Applications, 2009,35(1/2):531-541.
[9] CHEN H Y, CHANG Y M, YANG C C. A systematic method for selecting critical product form features regarding consumers’ image perceptions [C]// 2014 International Symposium on Computer, Consumer and Control. Los Alamitos, CA: IEEE Computer Society, 2014: 1216-1220.
[10] 廖睿,唐灿华. 基于支持向量机的作战方案评估[J].电脑知识与技术,2010,6(10):2446-2448.
[11] 刘天羽,李国正. 大脑胶质瘤诊断中不均衡问题的特征选择[J].广西师范大学学报:自然科学版,2009,27(3):101-104.
No related articles found!
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发