-
公开(公告)号:CN116975640A
公开(公告)日:2023-10-31
申请号:CN202310952111.1
申请日:2023-07-31
Applicant: 西安电子科技大学
IPC: G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N3/048 , G06N3/006
Abstract: 本发明开了一种基于SSA‑CNN‑LSTM网络的干扰对抗态势预测方法,主要用于解决贝叶斯网络对专家经验依赖性过强,而单一结构的神经网络对大量时间序列数据处理速度慢的问题。本发明的实现步骤包括:构建CNN‑LSTM网络,采用麻雀算法优化CNN‑LSTM网络隐藏层神经元个数、初始学习率、正则化系数3个超参数,得到优化后的SSA‑CNN‑LSTM网络。本发明设计的态势预测方法结合了卷积神经网络的特征提取能力和长短期记忆网络的时序预测能力,并利用麻雀算法的超参数优化能力,加快了对大量时间序列数据的处理速度,提升了态势预测算法的自学习和自适应能力。