基于RF-GLR组合机器学习算法的防空体系指标挖掘方法研究

防空作战体系具有自适应性、涌现性、不确定性等典型复杂性特征,传统基于树状分解的专家指标选取方法无法客观、准确地描述防空体系能力.以基于武器装备体系仿真床设计的防空体系作战实验为基础,构建随机森林和广义线性回归算法相组合的机器学习模型(RF-GLR).对仿真实验数据进行深度挖掘,得到"防空威胁指数"这一反映防空体系作战能力的体系指标,并通过实验数据比对方法验证指标在描述"整体、动态、对抗"条件下体系能力的有效性,并进一步演示了防空威胁指数在作战任务预测和体系实时监测的可行性.RF-GLR组合机器学习算法为实现体系指标的科学选取和体系能力的客观评估提供一套可行的途径,为信息化条件下的防空体系作战提供决策依据. ..基金：