0
点赞
收藏
分享

微信扫一扫

【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:​​Matlab科研工作室​​

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

​​智能优化算法​​       ​​神经网络预测​​       ​​雷达通信 ​​      ​​无线传感器​​        ​​电力系统​​

​​信号处理​​              ​​图像处理​​               ​​路径规划​​       ​​元胞自动机​​        ​​无人机 ​​

⛄ 内容介绍

针对无人机获取威胁目标信息较少的情况,采用模糊小波神经网络(FWNN)解决空中目标威胁评估问题.同时为了提高模糊小波神经网络的收敛速度和泛化能力,提出了一种基于动态学习率的模糊小波神经网络,解决复杂战场环境信息的不确定性问题,采用BP算法更新每个模糊规则前,后件部分的所有参数,并通过仿真实现对目标威胁进行评估.仿真结果表明,该算法可提高系统的稳定性,加快收敛速度,增强预测精度.

 【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码_图像处理

 【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码_无人机_02

 【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码_无人机_03

 【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码_图像处理_04

 【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码_神经网络_05

⛄ 部分代码

%FFBPNET 脚本文件,作为主程序使用


close all

clear


d = 5;

num = 1000;

data = indata(num);

result = plant(data);


% 生成输入矩阵

input = zeros(2 * d + 1, num);

for i = 1 : 1 : d + 1

    for j = 1 : 1 : num - d - 1 + i

        input(i, j + d + 1 - i) = data(j);

    end

end

for i = 1 : 1 : d

    for j = 1 : 1 : num - d - 1 + i

        input(d + 1 + i, j + d + 1 - i) = result(j);

    end

end 


net = newff(minmax(input), [6, 3, 1]);

y1 = sim(net, input);

net.trainParam.show = 10;

net.trainParam.epochs = 200;

net.trainParam.goal = 1.0e-6;

net = train(net, input, result);

y2 = sim(net, input);

k = 1 : 1 : num;

plot(k, result, 'g', k, y2, 'b')

⛄ 运行结果

 【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码_神经网络_06

 【模糊小波神经网络预测】基于模糊小波神经网络实现攻击目标优先级评估附matlab代码_图像处理_07

⛄ 参考文献

[1]田晓峰, 孙华东, 庞来学. 基于模糊小波神经网络的目标攻击优先级评估方法及系统:. 

[2]陈侠, 刘子龙. 基于模糊小波神经网络的空中目标威胁评估[J]. 战术导弹技术, 2018(3):7.

⛳️ 完整代码

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


举报

相关推荐

0 条评论