• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于雙層隨機(jī)森林的空襲目標(biāo)識(shí)別

    2023-05-31 13:44:46盧盈齊范成禮
    兵器裝備工程學(xué)報(bào) 2023年5期
    關(guān)鍵詞:降維決策樹(shù)神經(jīng)網(wǎng)絡(luò)

    李 威,盧盈齊,范成禮

    (空軍工程大學(xué) 防空反導(dǎo)學(xué)院, 西安 710000)

    0 引言

    空襲目標(biāo)識(shí)別作為防空作戰(zhàn)中目標(biāo)分析判斷的首要任務(wù)也是指控決策的關(guān)鍵環(huán)節(jié),能夠?yàn)閿r截決策中的目標(biāo)威脅判斷排序和目標(biāo)火力分配提供重要依據(jù)。因此,快速而又準(zhǔn)確地識(shí)別出空襲目標(biāo)的類(lèi)型對(duì)防空作戰(zhàn)指揮控制具有十分重要的意義。

    目前,對(duì)于空襲目標(biāo)類(lèi)型的識(shí)別算法主要包括D-S證據(jù)推理[1-2]、貝葉斯網(wǎng)絡(luò)[3-4]、聚類(lèi)算法[5-6]、多屬性決策[7]、支持向量機(jī)(SVM)[8]和模糊神經(jīng)網(wǎng)絡(luò)[9]、BP神經(jīng)網(wǎng)絡(luò)[10]、概率神經(jīng)網(wǎng)絡(luò)(PNN)[11]等神經(jīng)網(wǎng)絡(luò)類(lèi)算法等。其中D-S證據(jù)推理存在高沖突證據(jù)組合和證據(jù)獨(dú)立性問(wèn)題;貝葉斯網(wǎng)絡(luò)在對(duì)飛行高度、速度和發(fā)現(xiàn)距離等連續(xù)性數(shù)據(jù)進(jìn)行離散化處理的過(guò)程中存在主觀性較強(qiáng)的問(wèn)題;神經(jīng)網(wǎng)絡(luò)模型對(duì)于樣本數(shù)據(jù)量要求較高,且普遍存在收斂速度較慢和容易過(guò)擬合的缺點(diǎn),而SVM雖然具有較強(qiáng)的泛化能力,但參數(shù)的調(diào)試以及核函數(shù)的選擇是一大難點(diǎn),不同核函數(shù)和參數(shù)的選擇對(duì)于識(shí)別結(jié)果差異較大。

    隨機(jī)森林(Random Forest)屬于機(jī)器學(xué)習(xí)[12]中的有監(jiān)督學(xué)習(xí),是通過(guò)集成學(xué)習(xí)的思想將多個(gè)決策樹(shù)進(jìn)行集成的一種算法,在處理分類(lèi)問(wèn)題上具有準(zhǔn)確率高、泛化能力強(qiáng)和對(duì)于數(shù)據(jù)集要求低等優(yōu)點(diǎn),因此較為適合解決空襲目標(biāo)識(shí)別問(wèn)題。但由于戰(zhàn)場(chǎng)傳感器能夠獲得空襲目標(biāo)的飛行高度、飛行速度、發(fā)現(xiàn)距離、加速度、RCS、航線特征和電磁輻射等較多的識(shí)別特征因素,如果將全部特征代入模型容易影響目標(biāo)的識(shí)別性能模型,尤其是無(wú)用的特征會(huì)對(duì)識(shí)別過(guò)程造成干擾,進(jìn)而降低目標(biāo)識(shí)別的準(zhǔn)確率、穩(wěn)定性和識(shí)別速度,因此需要對(duì)特征進(jìn)行篩選,去除冗余特征,選擇對(duì)于識(shí)別模型更加重要的特征。但目前的識(shí)別方法往往依靠主觀經(jīng)驗(yàn)選擇特征,存在主觀性強(qiáng)、可解釋性差以及忽略了特征與模型的適應(yīng)性等缺點(diǎn)。

    本文根據(jù)傳統(tǒng)經(jīng)驗(yàn)和歸納分析,提取了空襲目標(biāo)的飛行高度、飛行速度、發(fā)現(xiàn)距離、加速度、RCS、航線特征和電磁輻射等常見(jiàn)的因素作為識(shí)別特征,并在傳統(tǒng)隨機(jī)森林的基礎(chǔ)上進(jìn)一步充分挖掘數(shù)據(jù)中的信息,通過(guò)計(jì)算基尼指數(shù)變化量對(duì)特征進(jìn)行重要性評(píng)估和降維,提出了基于雙層隨機(jī)森林的空襲目標(biāo)識(shí)別算法,并通過(guò)仿真實(shí)驗(yàn)與傳統(tǒng)隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)模型和SVM進(jìn)行對(duì)比分析,證明了該算法在提高空襲目標(biāo)識(shí)別的速度和準(zhǔn)確率上的有效性。

    1 隨機(jī)森林概述

    隨機(jī)森林[13-14]是一種基于集成學(xué)習(xí)的組合分類(lèi)算法,首先采用Bootstrap重采樣的方式從樣本數(shù)據(jù)進(jìn)行有放回的抽樣,然后用抽取的樣本構(gòu)建決策樹(shù),在以決策樹(shù)為基學(xué)習(xí)器構(gòu)建Bagging集成學(xué)習(xí)的基礎(chǔ)上,進(jìn)一步在決策樹(shù)的訓(xùn)練過(guò)程中加入了隨機(jī)屬性選擇,最后通過(guò)投票得到最終的分類(lèi)和預(yù)測(cè)結(jié)果。其算法結(jié)構(gòu)如圖1所示。

    圖1 隨機(jī)森林算法結(jié)構(gòu)

    1) 決策樹(shù)的基本思想是構(gòu)造一個(gè)類(lèi)似流程圖的樹(shù)形結(jié)構(gòu),首先從根節(jié)點(diǎn)開(kāi)始通過(guò)基尼指數(shù)選擇最優(yōu)劃分屬性,在非葉子節(jié)點(diǎn)進(jìn)行屬性值的對(duì)比測(cè)試,然后根據(jù)測(cè)試結(jié)果確定相應(yīng)分支,最后在葉子節(jié)點(diǎn)得到類(lèi)別結(jié)果。決策樹(shù)的結(jié)構(gòu)如圖2所示。

    圖2 決策樹(shù)結(jié)構(gòu)

    2) Bootstrap的基本思想是在給定包含n個(gè)樣本的原數(shù)據(jù)集中,每次有放回地從原數(shù)據(jù)集中隨機(jī)抽取一個(gè)樣本,將其拷貝放入新的數(shù)據(jù)集,然后將該樣本放回原數(shù)據(jù)集中,此過(guò)程重復(fù)n次后,得到一個(gè)包含n個(gè)樣本的新數(shù)據(jù)集。

    3) Bagging集成的基本策略是首先利用Bootstrap采樣隨機(jī)生成T個(gè)訓(xùn)練集,然后基于每個(gè)采樣集訓(xùn)練出一個(gè)對(duì)應(yīng)的基學(xué)習(xí)器,然后將測(cè)試集放入每個(gè)基學(xué)習(xí)器進(jìn)行測(cè)試分類(lèi),最后采取投票的算法將所有基學(xué)習(xí)器的結(jié)果進(jìn)行結(jié)合。

    2 基于雙層隨機(jī)森林的空襲目標(biāo)識(shí)別算法

    2.1 空襲目標(biāo)分類(lèi)

    根據(jù)傳統(tǒng)經(jīng)驗(yàn),防空作戰(zhàn)面臨的空襲目標(biāo)一般分為5類(lèi)[15]:

    第1類(lèi):戰(zhàn)術(shù)彈道導(dǎo)彈(TBM)。

    第2類(lèi):大型目標(biāo)類(lèi),包括殲擊機(jī)、轟炸機(jī)和殲擊轟炸機(jī)等。

    第3類(lèi):小型目標(biāo)類(lèi),包括空地導(dǎo)彈、反輻射導(dǎo)彈、巡航導(dǎo)彈和制導(dǎo)炸彈等。

    第4類(lèi):武裝直升機(jī)。

    第5類(lèi):誘餌。

    2.2 空襲目標(biāo)識(shí)別主要特征

    防空作戰(zhàn)中對(duì)空襲目標(biāo)的識(shí)別特征有很多,文獻(xiàn)[3-4]提取了飛行高度、飛行速度、航線特征和發(fā)現(xiàn)距離作為識(shí)別特征;文獻(xiàn)[5-8]考慮飛行高度、飛行速度、航跡特征和電磁輻射作為識(shí)別特征;文獻(xiàn)[6]提取了飛行高度、飛行速度、發(fā)現(xiàn)距離、航跡特征、電磁輻射和雷達(dá)反射面積(RCS)作為識(shí)別特征;文獻(xiàn)[7]考慮飛行高度、飛行速度、航線特征、電磁輻射和雷達(dá)反射面積作為目標(biāo)識(shí)別的主要特征;文獻(xiàn)[9]提取了飛行速度、發(fā)現(xiàn)距離、飛行高度、航跡特征和電磁輻射作為識(shí)別主要特征;文獻(xiàn)[10-11]考慮飛行高度、飛行速度、加速度和雷達(dá)反射面積(RCS)作為目標(biāo)識(shí)別的主要特征。

    通過(guò)歸納分析發(fā)現(xiàn),飛行高度、發(fā)現(xiàn)距離、飛行速度、加速度、雷達(dá)反射面積(RCS)、航線特征和電磁輻射是空襲目標(biāo)識(shí)別中考慮的主要特征,這些特征能夠充分反映目標(biāo)的典型特性,提高目標(biāo)識(shí)別精度,因此本文選取這7個(gè)特征作為空襲目標(biāo)識(shí)別的特征集。

    2.3 基于雙層隨機(jī)森林的目標(biāo)識(shí)別模型

    2.3.1特征評(píng)估與優(yōu)選

    隨機(jī)森林中對(duì)特征評(píng)估的基本思想為:通過(guò)判斷每個(gè)特征在隨機(jī)森林中的每棵決策樹(shù)生長(zhǎng)過(guò)程中所做貢獻(xiàn)的大小,然后比較特征之間貢獻(xiàn)的大小。而貢獻(xiàn)的計(jì)算方式采用每一個(gè)特征在森林中所有決策樹(shù)上的基尼指數(shù)[16]變化量總和來(lái)表示該特征所做的貢獻(xiàn)率,將特征貢獻(xiàn)率作為特征重要性評(píng)估的依據(jù)。

    2.3.2數(shù)據(jù)降維與目標(biāo)識(shí)別

    (1)

    2.3.3識(shí)別結(jié)果評(píng)價(jià)

    采用識(shí)別準(zhǔn)確率對(duì)隨機(jī)森林的識(shí)別結(jié)果進(jìn)行評(píng)價(jià),識(shí)別準(zhǔn)確率定義為:

    (2)

    式中:H(xj)為隨機(jī)森林在類(lèi)別j上的識(shí)別結(jié)果;yj為實(shí)際結(jié)果;m為測(cè)試目標(biāo)個(gè)數(shù);I為邏輯運(yùn)算,等式成立為1,否則為0。

    3 仿真分析

    3.1 數(shù)據(jù)選擇與預(yù)處理

    從目標(biāo)威脅數(shù)據(jù)庫(kù)選取了30批空襲目標(biāo),采用留出法區(qū)分訓(xùn)練集和測(cè)試集,其中前20批目標(biāo)為訓(xùn)練數(shù)據(jù),后10批目標(biāo)為測(cè)試數(shù)據(jù)。受篇幅限制,僅顯示前10批和后10批目標(biāo)的空情數(shù)據(jù)如表1所示。

    表1 空情數(shù)據(jù)

    續(xù)表(表1)

    由于航線特征和電磁輻射沒(méi)有具體的數(shù)值,因此需要對(duì)這兩類(lèi)數(shù)據(jù)進(jìn)行數(shù)值化預(yù)處理。

    航跡特征中等高平直飛行數(shù)值化為1,爬升或俯沖數(shù)值化為2,下滑數(shù)值化為3,分岔數(shù)值化為4。電磁特征中有電磁輻射數(shù)值化為1,無(wú)電磁輻射數(shù)值化為0。

    3.2 雙層隨機(jī)森林識(shí)別仿真

    構(gòu)建第一層隨機(jī)森林,根據(jù)2.3.1的思想得到各特征的重要性的步驟為:

    步驟1將表1中的訓(xùn)練數(shù)據(jù)放入規(guī)模為100棵決策樹(shù)的隨機(jī)森林進(jìn)行訓(xùn)練,得到訓(xùn)練好的隨機(jī)森林模型。

    步驟2得到森林中每棵決策樹(shù)上每一節(jié)點(diǎn)的基尼指數(shù),其中節(jié)點(diǎn)m的基尼指數(shù)定義為:

    (3)

    式中:K為類(lèi)別集合;pmk為當(dāng)前節(jié)點(diǎn)m中第k類(lèi)樣本所占的比例。

    步驟3計(jì)算每一特征的節(jié)點(diǎn)貢獻(xiàn)率,將特征j在節(jié)點(diǎn)m的貢獻(xiàn)率用節(jié)點(diǎn)m分支前后的基尼指數(shù)變化量來(lái)表示。

    (4)

    式中:GIl和GIr分別為分支后2個(gè)新節(jié)點(diǎn)的基尼指數(shù)。

    步驟4計(jì)算每一特征的累計(jì)貢獻(xiàn)率,將特征j的累計(jì)貢獻(xiàn)率定義為:

    (5)

    式中:M為特征j在第i課決策樹(shù)中出現(xiàn)的節(jié)點(diǎn)集合。

    步驟5計(jì)算每一特征的重要性,將特征j的重要性定義為:

    (6)

    式中:n為森林中決策樹(shù)的數(shù)量;C為識(shí)別特征集合。

    最終得到7個(gè)識(shí)別特征的重要性程度分別為(2.759 3, 1.889 7, 2.284 9, 3.794 3, 3.348 8, 0.591 0, 0.617 0),對(duì)比情況如圖3所示。

    圖3 特征重要性對(duì)比

    從圖中可以看出,航跡特征和電磁特征的重要性明顯低于其他特征,說(shuō)明這2個(gè)特征在隨機(jī)森林的目標(biāo)識(shí)別模型中作用不大,因此舍去這2個(gè)特征及對(duì)應(yīng)的數(shù)據(jù),對(duì)訓(xùn)練和測(cè)試數(shù)據(jù)進(jìn)行降維處理。

    根據(jù)隨機(jī)森林算法結(jié)構(gòu)思想,通過(guò)降維后的訓(xùn)練數(shù)據(jù)構(gòu)建第二層隨機(jī)森林對(duì)測(cè)試目標(biāo)進(jìn)行識(shí)別的步驟為:

    步驟1利用Bootstrap法進(jìn)行降維后的樣本采樣,隨機(jī)生成100個(gè)采樣集。

    步驟2利用每個(gè)采樣集生成對(duì)應(yīng)的決策樹(shù),將降維后的5個(gè)屬性作為每棵決策樹(shù)的分裂屬性集,每次分裂時(shí)選擇最優(yōu)的劃分屬性進(jìn)行分裂。

    步驟3每棵樹(shù)都盡最大程度生長(zhǎng)而不進(jìn)行剪枝。

    步驟4將測(cè)試集樣本分別放入100棵決策樹(shù)進(jìn)行測(cè)試并得到對(duì)應(yīng)的類(lèi)別結(jié)果。

    步驟5對(duì)于100個(gè)分類(lèi)結(jié)果采用投票法得到測(cè)試樣本最終的所屬類(lèi)別。

    在實(shí)驗(yàn)條件為:Intel(R) Core(TM) i5-10210U,1.60 GHz,四核,內(nèi)存16G,操作系統(tǒng)為Windows10,64位,仿真軟件為Matlab 2019a的實(shí)驗(yàn)環(huán)境中仿真得到最終識(shí)別結(jié)果為矩陣H(其中hij表示目標(biāo)i識(shí)別為類(lèi)別j的決策樹(shù)數(shù)量)

    分析矩陣H可以看出,在100棵決策樹(shù)的隨機(jī)森林中,對(duì)于目標(biāo)1,有9棵決策樹(shù)的識(shí)別結(jié)果為類(lèi)型1,2棵決策樹(shù)的識(shí)別結(jié)果為類(lèi)型2,4棵決策樹(shù)的識(shí)別結(jié)果為類(lèi)型3,76棵決策樹(shù)的識(shí)別結(jié)果為類(lèi)型4,9棵決策樹(shù)的識(shí)別結(jié)果為類(lèi)型5,所以目標(biāo)1的最終識(shí)別結(jié)果為類(lèi)型4。

    同理可得測(cè)試集的10批目標(biāo)識(shí)別結(jié)果分別為[4,1,5,3,2,3,1,5,2,4],即目標(biāo)1和目標(biāo)10為武裝直升機(jī),目標(biāo)2和目標(biāo)7為T(mén)BM,目標(biāo)3和目標(biāo)8為誘餌,目標(biāo)4和目標(biāo)6為小型目標(biāo),目標(biāo)5和目標(biāo)9為大型目標(biāo),識(shí)別結(jié)果與實(shí)際情況相符。

    3.3 對(duì)比分析

    分別將本文中提出的雙層隨機(jī)森林和傳統(tǒng)隨機(jī)森林、文獻(xiàn)[8]的SVM算法以及文獻(xiàn)[11]的PNN神經(jīng)網(wǎng)絡(luò)分別用于表1數(shù)據(jù)集的目標(biāo)識(shí)別。

    由于隨機(jī)森林模型無(wú)需對(duì)數(shù)據(jù)進(jìn)行歸一化處理,能夠簡(jiǎn)化識(shí)別流程并節(jié)約運(yùn)算資源。而PNN神經(jīng)網(wǎng)絡(luò)和SVM均需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理,因此對(duì)于訓(xùn)練和測(cè)試數(shù)據(jù),將歸一化公式定義為:

    (7)

    3.3.1特征降維方法對(duì)比

    特征降維方法對(duì)于機(jī)器學(xué)習(xí)模型的識(shí)別性能和泛化能力具有一定的影響。為了對(duì)比基尼指數(shù)降維的有效性,將主成分分析、基尼指數(shù)降維和未降維的隨機(jī)森林模型進(jìn)行對(duì)比分析,對(duì)于指定的空襲目標(biāo)識(shí)別問(wèn)題,將每種方法分別重復(fù)實(shí)驗(yàn)50次,用式(8)

    (8)

    分別計(jì)算第k種降維方法得到隨機(jī)森林模型的識(shí)別正確率。主成分分析結(jié)果和實(shí)驗(yàn)對(duì)比結(jié)果分別如圖4和圖5所示。

    由圖5可以得到,無(wú)特征降維方法的識(shí)別正確率為0.989,主成分分析的識(shí)別正確率為0.760。所提方法的識(shí)別正確率為0.999,僅在第94次實(shí)驗(yàn)時(shí)出現(xiàn)了識(shí)別正確率波動(dòng)的情況。由于主成分分析是將原始特征進(jìn)行線性組合得到新的成分,會(huì)損失較多的數(shù)據(jù)信息,而所提方法從隨機(jī)森林原理出發(fā),得到的特征與隨機(jī)森林模型的契合度更高。同時(shí)相比于傳統(tǒng)隨機(jī)森林,降維后的模型對(duì)于模型的識(shí)別穩(wěn)定性也有所提高。

    圖4 主成分分析結(jié)果

    圖5 特征降維方法對(duì)比

    3.3.2目標(biāo)識(shí)別算法對(duì)比

    為了驗(yàn)證所提方法的有效性,采用文獻(xiàn)[8]的SVM、文獻(xiàn)[11]的PNN神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)識(shí)別,其中SVM中的超參數(shù)通過(guò)交叉驗(yàn)證方法得到,并從加載空情數(shù)據(jù)開(kāi)始記錄3種方法的識(shí)別時(shí)間,得到3種方法的識(shí)別結(jié)果和識(shí)別速度分別如圖6和表2所示。

    圖6 識(shí)別結(jié)果對(duì)比

    表2 識(shí)別速度對(duì)比

    可以看出,PNN神經(jīng)網(wǎng)絡(luò)對(duì)于目標(biāo)7、目標(biāo)8和目標(biāo)10的識(shí)別結(jié)果與真實(shí)值不同,SVM對(duì)于目標(biāo)6和目標(biāo)8的識(shí)別結(jié)果與真實(shí)結(jié)果不同,而雙層隨機(jī)森林的識(shí)別結(jié)果與實(shí)際一致,說(shuō)明所提算法相比于其他的識(shí)別算法具有更好的識(shí)別性能。在識(shí)別速度方面,SVM由于需要進(jìn)行交叉驗(yàn)證尋找超參數(shù)因此識(shí)別的時(shí)間成本較高,難以滿足作戰(zhàn)實(shí)際。PNN神經(jīng)網(wǎng)絡(luò)和雙層隨機(jī)森林的識(shí)別時(shí)間都在0.1 s以下,滿足作戰(zhàn)實(shí)際的需求,但雙層隨機(jī)森林的所有時(shí)間要遠(yuǎn)小于PNN神經(jīng)網(wǎng)絡(luò),約為其的十分之一,在識(shí)別過(guò)程中隨著目標(biāo)規(guī)模的增大會(huì)具有更大的優(yōu)勢(shì)。因此,綜合對(duì)比發(fā)現(xiàn),雙層隨機(jī)森林在目標(biāo)類(lèi)型識(shí)別中表現(xiàn)優(yōu)秀,相比于PNN神經(jīng)網(wǎng)絡(luò)和SVM,雙層隨機(jī)森林不僅能保證快速、準(zhǔn)確地識(shí)別目標(biāo),并且在目標(biāo)數(shù)據(jù)處理上還省去了歸一化處理步驟,簡(jiǎn)化了流程,能夠在保證準(zhǔn)確率的同時(shí)具有較高的識(shí)別速度。

    3.3.3 模型泛化能力分析

    為了減少單次留出法造成的樣本數(shù)據(jù)集偶然性,驗(yàn)證模型的泛化能力,采用多次留出法構(gòu)建10個(gè)新的數(shù)據(jù)集作為實(shí)驗(yàn)樣本,其中將前20批目標(biāo)作為訓(xùn)練集,后10批目標(biāo)作為測(cè)試集,將每個(gè)數(shù)據(jù)集分別代入雙層隨機(jī)森林模型實(shí)驗(yàn)50次,實(shí)驗(yàn)結(jié)果如表3所示。

    表3 不同樣本集的識(shí)別結(jié)果

    由表3可以得到,在10個(gè)樣本集中,雙層隨機(jī)森林得到的平均識(shí)別準(zhǔn)確率均在90%以上,平均時(shí)間都在0.01 s以下,說(shuō)明識(shí)別模型在不同樣本集中都能夠保持較高的準(zhǔn)確率和識(shí)別速度,但在數(shù)據(jù)2和數(shù)據(jù)6中的準(zhǔn)確率低于其他樣本集,這可能是由于樣本的隨機(jī)性導(dǎo)致訓(xùn)練集不全面引起的。因此,可以認(rèn)為所提的目標(biāo)識(shí)別模型具有較強(qiáng)的泛化能力和魯棒性。

    4 結(jié)論

    1) 相比于傳統(tǒng)隨機(jī)森林,所提算法通過(guò)計(jì)算基尼指數(shù)變化量對(duì)空襲目標(biāo)特征進(jìn)行重要性評(píng)估和數(shù)據(jù)降維,提高了目標(biāo)的識(shí)別準(zhǔn)確率和穩(wěn)定性,有效提高了隨機(jī)森林的目標(biāo)識(shí)別性能。

    2) 相比于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等其他目標(biāo)識(shí)別算法,所提算法具有更強(qiáng)的泛化能力,能夠在保證較高的識(shí)別準(zhǔn)確率的同時(shí)具有較高的識(shí)別速度。此外,所提算法不需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理,進(jìn)一步簡(jiǎn)化了識(shí)別流程。

    3) 但在未來(lái)防空作戰(zhàn)中,受不確定和對(duì)抗性因素影響,空情數(shù)據(jù)可能是不完整的,傳感器獲得的數(shù)據(jù)也更加多樣,如何從多個(gè)特征選擇最合理的識(shí)別特征以及根據(jù)缺失的數(shù)據(jù)進(jìn)行準(zhǔn)確的目標(biāo)識(shí)別是下一步研究的重點(diǎn)。

    猜你喜歡
    降維決策樹(shù)神經(jīng)網(wǎng)絡(luò)
    混動(dòng)成為降維打擊的實(shí)力 東風(fēng)風(fēng)神皓極
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    神經(jīng)網(wǎng)絡(luò)抑制無(wú)線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹(shù)算法
    決策樹(shù)和隨機(jī)森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    基于決策樹(shù)的出租車(chē)乘客出行目的識(shí)別
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于肺癌CT的決策樹(shù)模型在肺癌診斷中的應(yīng)用
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    波多野结衣av一区二区av| 欧美黄色片欧美黄色片| 中文欧美无线码| 日本vs欧美在线观看视频| 国产精品 欧美亚洲| 韩国av一区二区三区四区| 欧美日韩黄片免| 国产欧美日韩一区二区三| 日韩欧美免费精品| 精品久久蜜臀av无| 成人永久免费在线观看视频| 亚洲国产毛片av蜜桃av| 国产精品日韩av在线免费观看 | 这个男人来自地球电影免费观看| 中文字幕最新亚洲高清| 久久精品亚洲精品国产色婷小说| 成人三级黄色视频| 大型av网站在线播放| 欧美丝袜亚洲另类 | 黄色 视频免费看| 在线永久观看黄色视频| www.www免费av| 日本三级黄在线观看| 色婷婷久久久亚洲欧美| 精品国产一区二区三区四区第35| 大型av网站在线播放| 国产精品亚洲av一区麻豆| 脱女人内裤的视频| 国产精品综合久久久久久久免费 | 国产一区二区三区在线臀色熟女 | 天天影视国产精品| 久久中文字幕人妻熟女| 色综合欧美亚洲国产小说| 成人永久免费在线观看视频| 国产又色又爽无遮挡免费看| 免费看十八禁软件| 欧美久久黑人一区二区| 悠悠久久av| 88av欧美| 制服诱惑二区| 国产1区2区3区精品| 麻豆久久精品国产亚洲av | 91在线观看av| 搡老岳熟女国产| 国产成人精品在线电影| 欧美中文日本在线观看视频| 手机成人av网站| 国产又爽黄色视频| 久久天躁狠狠躁夜夜2o2o| 欧美中文综合在线视频| 麻豆成人av在线观看| 婷婷六月久久综合丁香| 久久久久九九精品影院| 可以在线观看毛片的网站| 超碰97精品在线观看| 午夜福利,免费看| 亚洲五月婷婷丁香| 久久人妻av系列| 夜夜看夜夜爽夜夜摸 | 免费久久久久久久精品成人欧美视频| 亚洲欧美日韩另类电影网站| 亚洲成人国产一区在线观看| 日韩大码丰满熟妇| 国产成人av激情在线播放| 热re99久久精品国产66热6| 美女高潮喷水抽搐中文字幕| av福利片在线| 欧美乱色亚洲激情| av在线播放免费不卡| 天堂中文最新版在线下载| 少妇的丰满在线观看| 老司机深夜福利视频在线观看| 亚洲精品在线观看二区| 日韩av在线大香蕉| 黑人欧美特级aaaaaa片| 亚洲 欧美 日韩 在线 免费| 亚洲久久久国产精品| 成年人黄色毛片网站| 精品国产乱子伦一区二区三区| 欧美亚洲日本最大视频资源| 国产免费现黄频在线看| 精品午夜福利视频在线观看一区| 国产精品乱码一区二三区的特点 | 老鸭窝网址在线观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲精品成人av观看孕妇| 久久中文看片网| 成人黄色视频免费在线看| 怎么达到女性高潮| 久久国产乱子伦精品免费另类| 免费女性裸体啪啪无遮挡网站| 狂野欧美激情性xxxx| 又黄又爽又免费观看的视频| a级片在线免费高清观看视频| 午夜免费激情av| 久久伊人香网站| 50天的宝宝边吃奶边哭怎么回事| 精品国产超薄肉色丝袜足j| 亚洲久久久国产精品| 亚洲人成电影免费在线| 欧美 亚洲 国产 日韩一| 巨乳人妻的诱惑在线观看| 69av精品久久久久久| 亚洲男人的天堂狠狠| 精品少妇一区二区三区视频日本电影| 久久精品国产清高在天天线| 两性夫妻黄色片| 精品国内亚洲2022精品成人| 成人三级黄色视频| 91国产中文字幕| 欧美日韩国产mv在线观看视频| 久久国产乱子伦精品免费另类| 久久99一区二区三区| www.精华液| 一边摸一边做爽爽视频免费| 国产免费现黄频在线看| 婷婷丁香在线五月| 亚洲人成网站在线播放欧美日韩| 长腿黑丝高跟| 午夜老司机福利片| 老熟妇乱子伦视频在线观看| 老汉色av国产亚洲站长工具| 国产单亲对白刺激| 亚洲精品国产区一区二| 国产一区二区在线av高清观看| 精品一区二区三区四区五区乱码| 一边摸一边抽搐一进一出视频| 在线观看免费视频网站a站| 亚洲一区二区三区欧美精品| 丁香六月欧美| 亚洲国产看品久久| 久久精品亚洲av国产电影网| 久久精品国产综合久久久| 国产又爽黄色视频| 久久久国产成人免费| 91在线观看av| 18禁国产床啪视频网站| 亚洲人成伊人成综合网2020| 老司机在亚洲福利影院| 亚洲av美国av| 国产97色在线日韩免费| 成人特级黄色片久久久久久久| 99国产精品免费福利视频| bbb黄色大片| 高清欧美精品videossex| 在线观看免费视频网站a站| 青草久久国产| av电影中文网址| 在线观看一区二区三区| 中文字幕人妻熟女乱码| 久久久久国产精品人妻aⅴ院| 丰满的人妻完整版| 国产麻豆69| 不卡av一区二区三区| 另类亚洲欧美激情| bbb黄色大片| 欧美国产精品va在线观看不卡| 一区二区日韩欧美中文字幕| 日本一区二区免费在线视频| 少妇 在线观看| 亚洲精品美女久久久久99蜜臀| 精品久久久久久电影网| 午夜两性在线视频| 51午夜福利影视在线观看| 伦理电影免费视频| 免费看a级黄色片| 69av精品久久久久久| 精品久久久久久久久久免费视频 | 桃红色精品国产亚洲av| 成人永久免费在线观看视频| 91精品三级在线观看| 桃色一区二区三区在线观看| 久久香蕉精品热| 色综合站精品国产| 伦理电影免费视频| 新久久久久国产一级毛片| 啪啪无遮挡十八禁网站| 一区二区三区国产精品乱码| 日韩精品免费视频一区二区三区| 18禁黄网站禁片午夜丰满| 免费在线观看视频国产中文字幕亚洲| 免费在线观看完整版高清| 99香蕉大伊视频| 国产高清国产精品国产三级| 亚洲全国av大片| 亚洲精品粉嫩美女一区| 亚洲人成电影免费在线| 久久国产精品影院| 欧美日韩亚洲综合一区二区三区_| 黄色丝袜av网址大全| 亚洲专区中文字幕在线| 免费看十八禁软件| 日韩国内少妇激情av| 1024香蕉在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 黄网站色视频无遮挡免费观看| 午夜福利免费观看在线| 黑人欧美特级aaaaaa片| 午夜a级毛片| 亚洲一卡2卡3卡4卡5卡精品中文| 国产乱人伦免费视频| 国产黄a三级三级三级人| 欧美成人免费av一区二区三区| 色哟哟哟哟哟哟| 性色av乱码一区二区三区2| 亚洲情色 制服丝袜| 色在线成人网| 中文字幕人妻熟女乱码| 亚洲欧美精品综合一区二区三区| 亚洲九九香蕉| 人人妻人人添人人爽欧美一区卜| 精品一区二区三卡| 精品熟女少妇八av免费久了| 国产精品亚洲一级av第二区| 久久中文字幕人妻熟女| 一级毛片精品| 亚洲成人国产一区在线观看| 亚洲精品国产一区二区精华液| 午夜视频精品福利| 日韩大码丰满熟妇| 亚洲自偷自拍图片 自拍| 十八禁网站免费在线| 大码成人一级视频| 黑人巨大精品欧美一区二区蜜桃| 国产精品偷伦视频观看了| 女人爽到高潮嗷嗷叫在线视频| 日韩欧美三级三区| 午夜久久久在线观看| 天天躁夜夜躁狠狠躁躁| 桃红色精品国产亚洲av| 777久久人妻少妇嫩草av网站| 成人免费观看视频高清| 黄色丝袜av网址大全| 亚洲国产欧美日韩在线播放| 人成视频在线观看免费观看| 日日摸夜夜添夜夜添小说| 无遮挡黄片免费观看| 亚洲五月婷婷丁香| 欧美人与性动交α欧美软件| 亚洲久久久国产精品| 国产区一区二久久| 欧美亚洲日本最大视频资源| 电影成人av| 精品国产乱子伦一区二区三区| 亚洲成人免费av在线播放| 国产精品久久视频播放| 免费一级毛片在线播放高清视频 | 美女午夜性视频免费| 在线观看免费日韩欧美大片| 欧美人与性动交α欧美软件| 亚洲成av片中文字幕在线观看| 精品久久蜜臀av无| 欧美+亚洲+日韩+国产| 亚洲欧美一区二区三区黑人| 国产成人免费无遮挡视频| 欧美在线黄色| 99久久国产精品久久久| 国产精品99久久99久久久不卡| 欧美激情极品国产一区二区三区| 欧美日韩亚洲国产一区二区在线观看| 国产精品影院久久| 一区在线观看完整版| av免费在线观看网站| 久久久精品欧美日韩精品| 99精品在免费线老司机午夜| 久久天堂一区二区三区四区| 欧美日韩亚洲国产一区二区在线观看| www.自偷自拍.com| 久久性视频一级片| 侵犯人妻中文字幕一二三四区| 黄色视频,在线免费观看| 国产成人av激情在线播放| 午夜a级毛片| 日韩有码中文字幕| 一区二区三区激情视频| 久久久久国内视频| 国产精品1区2区在线观看.| 极品教师在线免费播放| 亚洲国产欧美网| 深夜精品福利| 法律面前人人平等表现在哪些方面| 国产男靠女视频免费网站| 久久香蕉激情| 一边摸一边做爽爽视频免费| 色精品久久人妻99蜜桃| 欧美不卡视频在线免费观看 | 老司机在亚洲福利影院| 免费观看人在逋| 黄色毛片三级朝国网站| 99在线人妻在线中文字幕| 久久伊人香网站| 人人妻,人人澡人人爽秒播| 最近最新中文字幕大全免费视频| 免费在线观看亚洲国产| 亚洲精品一卡2卡三卡4卡5卡| 999久久久国产精品视频| 中文字幕另类日韩欧美亚洲嫩草| xxx96com| 亚洲欧美日韩无卡精品| 在线观看日韩欧美| 欧美不卡视频在线免费观看 | 久久精品国产亚洲av高清一级| 色尼玛亚洲综合影院| 成人av一区二区三区在线看| 露出奶头的视频| 大码成人一级视频| 亚洲中文字幕日韩| 久久精品人人爽人人爽视色| 夜夜夜夜夜久久久久| 欧美不卡视频在线免费观看 | 欧美成狂野欧美在线观看| 久久精品国产综合久久久| 国产主播在线观看一区二区| 午夜精品在线福利| 韩国av一区二区三区四区| 国产蜜桃级精品一区二区三区| 久9热在线精品视频| 女人爽到高潮嗷嗷叫在线视频| 久久亚洲精品不卡| 在线观看日韩欧美| 手机成人av网站| 女生性感内裤真人,穿戴方法视频| www.精华液| 亚洲 国产 在线| 亚洲国产精品一区二区三区在线| 超碰成人久久| 日本免费a在线| 精品国产国语对白av| 国产精品日韩av在线免费观看 | 国产精品综合久久久久久久免费 | 夜夜夜夜夜久久久久| www.自偷自拍.com| 免费在线观看亚洲国产| 涩涩av久久男人的天堂| 久久久国产成人精品二区 | 国产人伦9x9x在线观看| 欧美激情 高清一区二区三区| 久久久国产成人精品二区 | av天堂久久9| av视频免费观看在线观看| 久久久国产一区二区| 亚洲国产精品sss在线观看 | 女人高潮潮喷娇喘18禁视频| 在线av久久热| 在线观看一区二区三区激情| 熟女少妇亚洲综合色aaa.| 亚洲欧美日韩无卡精品| 欧美成人免费av一区二区三区| 美女大奶头视频| 亚洲成国产人片在线观看| 男女午夜视频在线观看| 狂野欧美激情性xxxx| 亚洲自拍偷在线| 操美女的视频在线观看| 国产成人系列免费观看| 99久久综合精品五月天人人| 精品国产一区二区三区四区第35| 夫妻午夜视频| 欧美激情 高清一区二区三区| 国产aⅴ精品一区二区三区波| 久久精品国产亚洲av香蕉五月| 欧美另类亚洲清纯唯美| 日韩欧美一区二区三区在线观看| xxx96com| 亚洲精品国产精品久久久不卡| 亚洲 欧美一区二区三区| 亚洲精品美女久久久久99蜜臀| 黄色a级毛片大全视频| www.999成人在线观看| 久久人人爽av亚洲精品天堂| www.999成人在线观看| 高潮久久久久久久久久久不卡| 亚洲熟妇中文字幕五十中出 | 天堂中文最新版在线下载| 亚洲自偷自拍图片 自拍| 午夜亚洲福利在线播放| 色老头精品视频在线观看| 免费人成视频x8x8入口观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精华国产精华精| 亚洲精品一卡2卡三卡4卡5卡| 色精品久久人妻99蜜桃| 丰满饥渴人妻一区二区三| 欧美精品一区二区免费开放| 日本免费一区二区三区高清不卡 | 久久久久久久久中文| 久久精品影院6| 黄色a级毛片大全视频| 长腿黑丝高跟| 一级毛片精品| 久久中文字幕人妻熟女| 久久久久国产精品人妻aⅴ院| 日韩av在线大香蕉| 久久香蕉精品热| 久久性视频一级片| 亚洲专区中文字幕在线| 最新在线观看一区二区三区| 久久国产精品男人的天堂亚洲| 欧美另类亚洲清纯唯美| 18禁国产床啪视频网站| 看免费av毛片| 国产精品自产拍在线观看55亚洲| 在线十欧美十亚洲十日本专区| 高清黄色对白视频在线免费看| 国产乱人伦免费视频| 在线观看午夜福利视频| 色哟哟哟哟哟哟| 99热国产这里只有精品6| 成人国产一区最新在线观看| 欧美中文日本在线观看视频| 久热这里只有精品99| √禁漫天堂资源中文www| 久久久久亚洲av毛片大全| 国产精华一区二区三区| 中文字幕精品免费在线观看视频| 久久久久久大精品| 精品一区二区三区av网在线观看| 黄色女人牲交| 成人18禁高潮啪啪吃奶动态图| 岛国视频午夜一区免费看| 亚洲色图综合在线观看| 叶爱在线成人免费视频播放| 9热在线视频观看99| 久久天躁狠狠躁夜夜2o2o| 一区二区三区激情视频| 国产极品粉嫩免费观看在线| 色在线成人网| 在线播放国产精品三级| 99国产精品免费福利视频| 真人做人爱边吃奶动态| 国产伦人伦偷精品视频| 午夜激情av网站| 嫁个100分男人电影在线观看| 悠悠久久av| 极品人妻少妇av视频| 狂野欧美激情性xxxx| 久热这里只有精品99| 两个人看的免费小视频| 19禁男女啪啪无遮挡网站| 久久久久久久久中文| 一夜夜www| 亚洲欧美精品综合一区二区三区| 国产欧美日韩一区二区精品| 91av网站免费观看| 曰老女人黄片| 欧美日韩视频精品一区| 最好的美女福利视频网| 夫妻午夜视频| 国产一区二区三区综合在线观看| 午夜福利影视在线免费观看| 欧美成人性av电影在线观看| 成人特级黄色片久久久久久久| 99在线视频只有这里精品首页| 韩国精品一区二区三区| 国产区一区二久久| 在线永久观看黄色视频| 窝窝影院91人妻| 日韩欧美免费精品| 在线观看免费视频日本深夜| 女警被强在线播放| 一级a爱片免费观看的视频| 黑人猛操日本美女一级片| 欧美黑人欧美精品刺激| 午夜日韩欧美国产| 母亲3免费完整高清在线观看| 亚洲成人免费电影在线观看| 日韩有码中文字幕| 国产一区在线观看成人免费| 9色porny在线观看| 亚洲性夜色夜夜综合| 一边摸一边抽搐一进一出视频| 丝袜人妻中文字幕| 成人国产一区最新在线观看| 欧美另类亚洲清纯唯美| 久久精品影院6| 91九色精品人成在线观看| 国产成人精品久久二区二区91| 在线观看免费视频日本深夜| 国产精品秋霞免费鲁丝片| 日韩 欧美 亚洲 中文字幕| 久久国产精品人妻蜜桃| 国产精品自产拍在线观看55亚洲| 国产精品一区二区精品视频观看| 69精品国产乱码久久久| 天天影视国产精品| 久久久久久久久免费视频了| 国内毛片毛片毛片毛片毛片| 九色亚洲精品在线播放| 女警被强在线播放| 一级毛片高清免费大全| а√天堂www在线а√下载| 亚洲欧美激情在线| 亚洲欧美激情综合另类| 另类亚洲欧美激情| 色综合婷婷激情| 久久精品国产亚洲av高清一级| 一二三四在线观看免费中文在| 久久性视频一级片| 免费看a级黄色片| 国内久久婷婷六月综合欲色啪| 亚洲精品美女久久av网站| 9191精品国产免费久久| 免费看十八禁软件| av天堂在线播放| 午夜久久久在线观看| 免费高清视频大片| 国产免费男女视频| 最近最新免费中文字幕在线| 纯流量卡能插随身wifi吗| 首页视频小说图片口味搜索| 免费在线观看完整版高清| 真人做人爱边吃奶动态| 久久亚洲真实| 91字幕亚洲| 成人三级做爰电影| 国产精品一区二区三区四区久久 | 国产精品秋霞免费鲁丝片| 巨乳人妻的诱惑在线观看| 午夜免费鲁丝| 18禁美女被吸乳视频| 丰满饥渴人妻一区二区三| 国产亚洲欧美98| 宅男免费午夜| av电影中文网址| 一区二区三区精品91| 国产亚洲精品第一综合不卡| 成人影院久久| 欧美日韩亚洲综合一区二区三区_| 欧美成人午夜精品| 老司机午夜十八禁免费视频| 日韩欧美一区二区三区在线观看| xxx96com| 国产一区二区激情短视频| 一本综合久久免费| 国产精华一区二区三区| 神马国产精品三级电影在线观看 | 波多野结衣av一区二区av| xxx96com| 亚洲欧美一区二区三区黑人| 亚洲成人久久性| 亚洲成国产人片在线观看| 黄片小视频在线播放| 9191精品国产免费久久| 色精品久久人妻99蜜桃| 亚洲少妇的诱惑av| 国产aⅴ精品一区二区三区波| 极品教师在线免费播放| 激情视频va一区二区三区| 亚洲成a人片在线一区二区| 国产精品免费一区二区三区在线| 美国免费a级毛片| 欧美乱妇无乱码| 国产xxxxx性猛交| 亚洲精品av麻豆狂野| 老鸭窝网址在线观看| 韩国精品一区二区三区| av天堂久久9| 91av网站免费观看| 久久婷婷成人综合色麻豆| 国产亚洲欧美精品永久| 国产精品日韩av在线免费观看 | 国产91精品成人一区二区三区| 国产亚洲精品综合一区在线观看 | 亚洲美女黄片视频| 人人妻人人添人人爽欧美一区卜| 国产成人精品久久二区二区91| 天天躁夜夜躁狠狠躁躁| 欧美成人免费av一区二区三区| 国产一区二区在线av高清观看| 九色亚洲精品在线播放| av片东京热男人的天堂| 日本精品一区二区三区蜜桃| 国产精品久久久久成人av| 成年人黄色毛片网站| 国产不卡一卡二| 久久久久久久久中文| 高清毛片免费观看视频网站 | 精品久久久久久电影网| 午夜福利,免费看| 岛国在线观看网站| 99热国产这里只有精品6| 精品国产美女av久久久久小说| 在线观看免费高清a一片| 亚洲一区二区三区欧美精品| 波多野结衣av一区二区av| 国产99久久九九免费精品| 亚洲五月天丁香| 婷婷精品国产亚洲av在线| 亚洲在线自拍视频| 交换朋友夫妻互换小说| 99国产极品粉嫩在线观看| 久久热在线av| 69av精品久久久久久| 国产精品影院久久| 淫妇啪啪啪对白视频| 精品福利永久在线观看| 国产av在哪里看| 日韩大尺度精品在线看网址 | 久久午夜综合久久蜜桃| 国产亚洲精品久久久久5区| 日韩免费av在线播放| 久久午夜综合久久蜜桃| 日日干狠狠操夜夜爽| 自线自在国产av| 国产在线精品亚洲第一网站| 最近最新中文字幕大全免费视频| 国产深夜福利视频在线观看| 9色porny在线观看| 一个人观看的视频www高清免费观看 | 亚洲一卡2卡3卡4卡5卡精品中文| av视频免费观看在线观看| 又黄又粗又硬又大视频| 国产欧美日韩综合在线一区二区| 久久中文看片网| 亚洲av五月六月丁香网|