公开(公告)号：CN119089207A

公开(公告)日：2024-12-06

申请号：CN202411575192.9

申请日：2024-11-06

Applicant: 西北工业大学

Inventor： 杨若涵 ,  吕晓波 ,  陈银超 ,  王涛 ,  冯志超 ,  周德云 ,  周颖

IPC: G06F18/214 ,  G06N3/096

Abstract: 本发明公开了一种基于增量学习的无人机编队性能在线评估方法，包括：根据编队无人机的第#imgabs0#时刻的不同属性值，生成编队的第#imgabs1#时刻的不同评价指标值；采用基于置信规则库的性能评估模型，根据这些不同评价指标值进行性能评估，得到编队第#imgabs2#时刻的性能评估结果；为了克服传统参数训练方法在遇到新的样本数据训练耗时长，灵活性不足的缺点，本发明引入增量学习方法实现基于置信规则库的性能评估模型的参数优化。其中第#imgabs3#轮增量学习时使用的训练集中包含具有高代表性的历史样本和第#imgabs4#轮的新增样本，在有效减少训练样本的同时保持了优秀的模型精度。本发明的优点在于降低了模型参数更新的复杂度，赋予了模型在在线采集的样本数据上持续学习的能力。

公开(公告)号：CN119089207B

公开(公告)日：2025-02-14

申请号：CN202411575192.9

申请日：2024-11-06

Applicant: 西北工业大学

Inventor： 杨若涵 ,  吕晓波 ,  陈银超 ,  王涛 ,  冯志超 ,  周德云 ,  周颖

IPC: G06F18/214 ,  G06N3/096

Abstract: 本发明公开了一种基于增量学习的无人机编队性能在线评估方法，包括：根据编队无人机的第#imgabs0#时刻的不同属性值，生成编队的第#imgabs1#时刻的不同评价指标值；采用基于置信规则库的性能评估模型，根据这些不同评价指标值进行性能评估，得到编队第#imgabs2#时刻的性能评估结果；为了克服传统参数训练方法在遇到新的样本数据训练耗时长，灵活性不足的缺点，本发明引入增量学习方法实现基于置信规则库的性能评估模型的参数优化。其中第#imgabs3#轮增量学习时使用的训练集中包含具有高代表性的历史样本和第#imgabs4#轮的新增样本，在有效减少训练样本的同时保持了优秀的模型精度。本发明的优点在于降低了模型参数更新的复杂度，赋予了模型在在线采集的样本数据上持续学习的能力。