文献类型：期刊文章

作　　者：朱丰[1,2] 胡晓峰[1] 贺筱媛[1] 孔亦思[1] 杨璐[3,4]

机构地区：[1]中国人民解放军国防大学信息作战与指挥训练教研部 [2]中国人民解放军93682部队 [3]中国人民解放军91053部队 [4]空军工程大学防空反导学院

出　　处：《系统仿真学报》

基　　金：国家自然科学基金(61374179);国家自然科学基金青年科学基金(61703412);军民共用重大研究计划联合基金(U1435218);中国博士后科学基金(2016M602996)

年　　份：2017

卷　　号：29

期　　号：10

起止页码：2291-2300

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为研究面对战场视图如何捕捉到指挥员认知经验的问题,深度学习中CNN可提供有力支持。但CNN的训练需要足够的样本数据,目前难以获得。针对战争中常见的战场包围态势认知及样本不足问题进行了剖析,提出一种基于CNN的样本不足包围态势认知新方法,该方法利用CNN的非线性拟合功能及包围态势图像的对称特性,可在一定程度上获得指挥员对包围态势的认知经验。仿真实验结果证明了方法的有效性和鲁棒性。

关 键 词：战场包围态势认知  指挥员 建模方法 卷积神经网络 样本不足  深度学习  

分 类 号：TP183]