無人機(jī)對地攻擊時敏目標(biāo)威脅度SPA-IELM 評估方法

王 倩，甘旭升，于海龍，韓寶安

（1.西京學(xué)院理學(xué)院，西安 7101231；2.空軍工程大學(xué)空管領(lǐng)航學(xué)院，西安 710051；3.解放軍93523 部隊管制室，山西 永濟(jì) 044500；4.四川交通職業(yè)技術(shù)學(xué)院信息工程系，成都 611130）

0 引言

無人機(jī)作為一種新興裝備，憑借續(xù)航時間長、機(jī)動性強(qiáng)、成本低廉等特點(diǎn)，已逐漸在戰(zhàn)爭中扮演越來越重要的角色。在無人機(jī)對地攻擊多個時敏目標(biāo)時，能夠根據(jù)戰(zhàn)場態(tài)勢信息，精確預(yù)判，科學(xué)決策，將火力資源合理配置在地面目標(biāo)上，對順利、高效完成作戰(zhàn)任務(wù)至關(guān)重要［1］。而時敏目標(biāo)威脅度是影響決策過程的關(guān)鍵要素［2］，可根據(jù)地面時敏目標(biāo)威脅度評估值合理分配無人機(jī)的火力資源。隨著地面時敏目標(biāo)的機(jī)動能力與防御能力增強(qiáng)，如何根據(jù)實(shí)時變化的戰(zhàn)場態(tài)勢，對地面時敏目標(biāo)威脅度進(jìn)行自動、快速和準(zhǔn)確的評估，為無人機(jī)攻擊地面目標(biāo)提供決策支持，已成為當(dāng)前的研究熱點(diǎn)之一。

楊州等利用改進(jìn)層次分析法來解決對地攻擊方案的優(yōu)選問題［3］，并在攻擊方式?jīng)Q策中考慮了目標(biāo)性質(zhì)和火力威脅，但對目標(biāo)威脅缺少系統(tǒng)性研究。魯華等采用灰色關(guān)聯(lián)分析法對目標(biāo)威脅度進(jìn)行研究，提出了一種目標(biāo)威脅度計算方法［4］，但該方法評估中需要現(xiàn)行確定各項指標(biāo)的最優(yōu)值，主觀性過強(qiáng)，且部分指標(biāo)最優(yōu)值難以確定。曲長文等基于矩陣對策原理構(gòu)建了目標(biāo)威脅評估模型［5］，通過敵我雙方策略對比并求解威脅矩陣來進(jìn)行目標(biāo)威脅評估，然而該方法建立策略集需要依靠先驗知識，主觀因素影響較大。王永杰等基于TOPSIS 方法對空戰(zhàn)中目標(biāo)的威脅度評估問題進(jìn)行了研究［6］，該方法充分利用目標(biāo)因素的不確定性信息，便于工程實(shí)踐，其缺點(diǎn)是對數(shù)據(jù)比較敏感。符永軍等將模糊優(yōu)選理論與層次分析法有機(jī)結(jié)合，為某型地空導(dǎo)彈系統(tǒng)建立了威脅度評估模型［7］，但由于專家主觀標(biāo)度上的差異，使評估的可信度受到了影響。綜上可知，這些研究在構(gòu)建評估模型的某個環(huán)節(jié)中，如數(shù)據(jù)采集、體系建構(gòu)、指標(biāo)賦權(quán)以及模型構(gòu)建，不同程度上依賴于專家的先驗知識，導(dǎo)致評估結(jié)果不可避免地帶有主觀性。此外，這些研究都沒有考慮實(shí)戰(zhàn)中非常重要的問題，即評估的時效性問題，離開時效性談目標(biāo)威脅度評估，對攻擊決策就失去了實(shí)際意義。

基于此，提出了基于集對分析（Set Pair Analysis，SPA）與增量型極限學(xué)習(xí)機(jī)（Incremental Extreme Learning Machine，IELM）的無人機(jī)對地時敏目標(biāo)威脅度評估方法，即通過SPA 處理評估過程中的主觀不確定性問題，并在此基礎(chǔ)上采用IELM 對目標(biāo)威脅度進(jìn)行實(shí)時評估，以輔助無人機(jī)火控系統(tǒng)進(jìn)行科學(xué)決策。

1 集對分析法

集對分析法SPA 是趙克勤于1989 年提出了一種不確定性理論［8］。核心在通過對系統(tǒng)內(nèi)不確定性與確定性予以分析與處理，對系統(tǒng)中具有關(guān)聯(lián)性的集合中的同一性、差異性、對立性等特性進(jìn)行分析，對系統(tǒng)不確定性進(jìn)行描述的方法。

SPA 可描述為：定義集對Θ=（A，B），A、B 為相關(guān)聯(lián)的數(shù)據(jù)集。對集對Θ 特性進(jìn)行分析，得到N 個特性，S 個特性為A 與B 共有，即為“同”；P 個特性為A 與B 互斥，即為“反”；F=N-P-S 個特性對A 與B 既不共有也不互斥，即為“異”。將a=S/N、b=F/N、c=P/N 分別稱為同一度、差異度與對立度。若忽略權(quán)重影響，聯(lián)系度可表示為

式中，a+b+c=1；i 為差異度系數(shù)，取值區(qū)間為i∈［1，-1］，當(dāng)i 有實(shí)際含義時，i=1，b 轉(zhuǎn)化為a；i=-1，b 轉(zhuǎn)化為c；i∈（1，-1），a 與c 各占一定比例；j 為對立度系數(shù)，其值為-1。

2 增量型極限學(xué)習(xí)機(jī)

ELM 最早由Huang 等提出［9］。訓(xùn)練過程中僅需調(diào)整隱層節(jié)點(diǎn)數(shù)，便可獲取模型參數(shù)進(jìn)行訓(xùn)練，與BP 網(wǎng)絡(luò)、支持向量機(jī)（SVM）傳統(tǒng)方法相比，學(xué)習(xí)效率上得到了極大改善，并在各領(lǐng)域得到廣泛應(yīng)用。然而，傳統(tǒng)ELM 通常都采用批量訓(xùn)練算法，當(dāng)新訓(xùn)練數(shù)據(jù)加入時，需要對數(shù)據(jù)重新整理進(jìn)行訓(xùn)練，既浪費(fèi)內(nèi)存，又消耗時間，為解決此問題，Huang 等人在增量學(xué)習(xí)框架下提出了增量型極限學(xué)習(xí)機(jī)（IELM）［10］。這種新型的訓(xùn)練模型通過不斷添加隱層神經(jīng)元節(jié)點(diǎn)，并隨機(jī)確定新增隱層節(jié)點(diǎn)的權(quán)值，可以將系統(tǒng)誤差降低到一定程度。

假設(shè)給定的訓(xùn)練集樣本記為（Xp，Yp），其中特征向量Xp=［xp1，xp2，…，xpn］T∈Rn，期望輸出Yp∈R，且樣本標(biāo)記p=1，2，…，N，共有N 個訓(xùn)練樣本。

隱神經(jīng)元為L 個，隱層激活函數(shù)h（x）的ELM的輸出滿足

其中，wj∈Rn；bj，βj∈R。wj為輸入層與第j 個隱層單元連接的權(quán)值；bj為第j 個隱層單元的偏置；βj為連接第j 個隱層單元與輸出層的權(quán)值；tp為第p 個樣本的實(shí)際輸出。式（2）可轉(zhuǎn)化為矩陣形式Hβ=T。在增量學(xué)習(xí)模型下進(jìn)行數(shù)據(jù)訓(xùn)練，新增隱層單元連接的輸出權(quán)值為

其中，e=Y－T 表示訓(xùn)練模實(shí)際輸出T 與期望輸出Y之間的差值，用來表示誤差大小。

樣本訓(xùn)練時，IELM 算法首先根據(jù)傳統(tǒng)極限學(xué)習(xí)機(jī)原理獲取L-1 個神經(jīng)元對應(yīng)的隱單元權(quán)值和輸出層權(quán)值，然后通過隨機(jī)選取新增的第L 個隱層節(jié)點(diǎn)的權(quán)值，繼續(xù)進(jìn)行訓(xùn)練。文獻(xiàn)［9］證明，網(wǎng)絡(luò)的訓(xùn)練誤差和測試誤差均會隨著隱層節(jié)點(diǎn)數(shù)目的增多而相應(yīng)減小。文獻(xiàn)［10］指出，IELM 與增量型SVM（ISVM）具有相近的泛化性能，并且速度遠(yuǎn)快于ISVM。

3 地面時敏目標(biāo)威脅度評估模型

3.1 評估實(shí)現(xiàn)流程

無人機(jī)在對地面目標(biāo)攻擊時，地面目標(biāo)的類型大致分為：靜止目標(biāo)、運(yùn)動目標(biāo)和時敏目標(biāo)。其中，時敏目標(biāo)是時間敏感目標(biāo)的簡稱，通常指戰(zhàn)場上隨機(jī)出現(xiàn)、打擊機(jī)會受時間窗口嚴(yán)格限制且具有重要軍事價值的目標(biāo)。相對于靜止和運(yùn)動類型目標(biāo)，時敏目標(biāo)通常具有隱蔽性好、機(jī)動性強(qiáng)、狀態(tài)變化頻繁、出現(xiàn)地點(diǎn)不定、暴露時間短暫、對其打擊機(jī)會稍縱即逝等特點(diǎn)。因此，對時敏目標(biāo)進(jìn)行攻擊時，存在定位難、跟蹤難、可攻擊時間短等諸多困難。機(jī)動防空導(dǎo)彈系統(tǒng)、間歇開機(jī)雷達(dá)站、有人/無人駕駛軍用車輛，以及敵人撤退所經(jīng)過的橋梁等均屬于時敏目標(biāo)。因此，研究地面時敏目標(biāo)威脅度的評估問題，對于提高無人機(jī)攻擊決策效率，有效地殺傷敵方地面目標(biāo)，改善我方無人機(jī)生存能力，充分地發(fā)揮無人機(jī)的作戰(zhàn)效能具有重要意義。

在構(gòu)建無人機(jī)對地攻擊模型過程中，由于戰(zhàn)場態(tài)勢的不確定性、多變性和復(fù)雜性，導(dǎo)致對地面時敏目標(biāo)威脅度的評估，有別于其他地面目標(biāo)威脅度評估。主要體現(xiàn)在兩個方面：一方面，存在一定的不確定性。地面時敏目標(biāo)的威脅度受到相對方位、與目標(biāo)的距離、目標(biāo)武器威力和時敏性等諸多因素的影響，而在這些因素中，有些信息已知，有些是未知的，使得傳統(tǒng)方法難以勝任地面時敏目標(biāo)的威脅度評估；另一方面，對時效性提出更高要求。考慮到未來戰(zhàn)爭信息量大，戰(zhàn)場環(huán)境的可變性，戰(zhàn)斗過程應(yīng)該是一個不斷變化的過程，地面時敏目標(biāo)的威脅度也是不斷變化的，因此，評估時敏目標(biāo)威脅度的評估方法必須要具有時效性、有效性及前瞻性。

針對以上兩個方面的問題，結(jié)合無人機(jī)對地攻擊的實(shí)戰(zhàn)性要求，提出了基于SPA-IELM 的無人機(jī)對地時敏目標(biāo)威脅度評估方法。該方法的建模評估包括兩個過程：第1 個過程，根據(jù)已知信息和專家知識，利用SPA 在處理不確定性問題中的優(yōu)勢，進(jìn)行地面時敏目標(biāo)的威脅度評估，從而為后續(xù)研究構(gòu)造樣本數(shù)據(jù)；第2 個過程，基于獲取的樣本數(shù)據(jù)在線訓(xùn)練地面時敏目標(biāo)威脅度IELM 評估模型，并完成測試驗證。不難看出，采用現(xiàn)有SPA 處理威脅度評估中可以主觀不確定性問題，但無法解決評估的時效性問題，即無法實(shí)現(xiàn)對地面時敏目標(biāo)威脅度的自動、快速評估，進(jìn)而影響了攻擊決策過程；而利用文獻(xiàn)［9］提出的IELM 進(jìn)行在線訓(xùn)練評估，時效性很強(qiáng)，但獲取樣本數(shù)據(jù)存在困難。而本文將兩者有機(jī)結(jié)合，取長補(bǔ)短，優(yōu)勢互補(bǔ)，既能解決時敏目標(biāo)威脅度評估中存在的不確定性問題，又可實(shí)現(xiàn)自動實(shí)時評估，這也正是本文研究的核心思想和創(chuàng)新之處。無人機(jī)對地攻擊時敏目標(biāo)威脅度評估流程如圖1 所示。

圖1 地面時敏目標(biāo)威脅度評估流程

3.2 評估指標(biāo)選取

無人機(jī)實(shí)施對地時敏目標(biāo)攻擊任務(wù)時，其打擊體系基本由傳感器、無人機(jī)（火力打擊）和指揮決策構(gòu)成，如圖2 所示。傳感器系統(tǒng)通過偵察與識別作戰(zhàn)環(huán)境時敏目標(biāo)，獲取態(tài)勢信息；指揮決策系統(tǒng)通過對傳感器系統(tǒng)獲取信息進(jìn)行分析、評估與決策，與其他系統(tǒng)進(jìn)行信息溝通，保證系統(tǒng)順暢運(yùn)行；無人機(jī)系統(tǒng)作為系統(tǒng)決策的執(zhí)行部門，通過機(jī)載火力系統(tǒng)打擊地面時敏目標(biāo)。

圖2 無人機(jī)對地時敏目標(biāo)打擊體系組成

當(dāng)傳感器系統(tǒng)探測到時敏目標(biāo)在無人機(jī)攻擊范圍內(nèi)時，將獲取的態(tài)勢信息傳輸?shù)街笓]決策系統(tǒng)，決策系統(tǒng)通過對信息進(jìn)行處理，進(jìn)行時敏目標(biāo)威脅度評估，最后由無人機(jī)系統(tǒng)對目標(biāo)進(jìn)行火力打擊。

假設(shè)時敏目標(biāo)的運(yùn)動狀態(tài)為勻速直線，初始位置與速度信息分別記錄為X0和V0，無人機(jī)可攻擊區(qū)域?qū)?yīng)的時間窗口長度分別為［t1，t2］，則有

當(dāng)無人機(jī)攻擊區(qū)域信息固定時，時間窗口長度由地面目標(biāo)的機(jī)動信息（如速度）決定，從發(fā)現(xiàn)到摧毀目標(biāo)的時間長度也受到影響，殺傷攻擊必須在t1至t2之間的時間約束下完成。因此，無人機(jī)系統(tǒng)對地面時敏目標(biāo)攻擊決策速度越快，從發(fā)現(xiàn)到摧毀所需時間就越短，完成任務(wù)的概率就越高。

由此可知，解決無人機(jī)對地面時敏目標(biāo)的快速攻擊決策問題是能否成功摧毀目標(biāo)的關(guān)鍵，其具體可轉(zhuǎn)化為對地面時敏目標(biāo)威脅程度的評估和排序問題。則針對評估需求，根據(jù)文獻(xiàn)［11］給出地面時敏目標(biāo)威脅度評估指標(biāo)，如表1 所示。

表1 地面時敏目標(biāo)威脅度評估指標(biāo)

3.3 SPA 樣本構(gòu)造

采用SPA 構(gòu)造樣本數(shù)據(jù)，需要先根據(jù)無人機(jī)對地攻擊特點(diǎn)以及地面時敏目標(biāo)威脅度評估指標(biāo)，將目標(biāo)威脅程度劃分5 個等級：特別嚴(yán)重（I）、嚴(yán)重（II）、重大（III）、一般（IV）、輕微（V）等5 個威脅等級。同時，各項評估指標(biāo)也相應(yīng)劃分為5 個等級。為與這5 個等級對應(yīng)起來，式（1）需要拓展為

式中，a、b、c 分別為同一度、正差異度與負(fù)差異度，d與e 為對立度。（a，b，c，d，e）稱為同異反向量，a，b，c，d，e∈［0，1］；i1∈［0，1］；i2∈［-1，0］，通?？砂凑站衷瓌t取值［11］；j1=j2=-1。

將地面時敏目標(biāo)威脅度評估指標(biāo)體系中的某指標(biāo)及其對應(yīng)的分級標(biāo)準(zhǔn)分別列為兩個集合，并構(gòu)成一個集對。若指標(biāo)值處于此評估級別中，則視為同一；若指標(biāo)值處于相鄰評估級別中，則視為相異；若指標(biāo)值處于相隔評估級別中，則視為對立。為量化聯(lián)系度，確定不同的聯(lián)系度，對于越大越優(yōu)型評估指標(biāo)可構(gòu)造如下聯(lián)系度函數(shù)：

1）第i 個評估指標(biāo)為I 級

2）第i 個評估指標(biāo)為II 級

3）第i 個評估指標(biāo)為III 級

4）第i 個評估指標(biāo)為IV 級

5）第i 個評估指標(biāo)為V 級

在上述各式中，F(xiàn)0～F5分別為目標(biāo)威脅度評估指標(biāo)各級別的界限值；y 為目標(biāo)威脅度評估指標(biāo)數(shù)據(jù)；i 為評估指標(biāo)序號。同理，可確定越小越優(yōu)型指標(biāo)對應(yīng)的聯(lián)系度函數(shù)。

計算出第i 個評估指標(biāo)5 個等級的聯(lián)系度ai，bi，ci，di，ei后，就可得到該指標(biāo)的同異反向量

計算所有評估指標(biāo)的同異反向量，就可構(gòu)建所有評估指標(biāo)的同異反系數(shù)矩陣

式中，h 表示評估指標(biāo)個數(shù)，本文中h=7。由此建立評估對象的同異反向量計算表達(dá)式

4 仿真分析

仿真計算過程分為兩個部分，第1 部分利用專家知識對地面時敏目標(biāo)威脅度進(jìn)行SPA 評估，構(gòu)造IELM 的訓(xùn)練和測試樣本；第2 部分采用獲取的樣本訓(xùn)練地面時敏目標(biāo)威脅度IELM 評估模型，并完成模型測試。

確立地面時敏目標(biāo)威脅度評估體系和評估流程，就可以結(jié)合無人機(jī)對地攻擊的具體實(shí)際，對地面時敏目標(biāo)威脅度進(jìn)行評估。表2 為標(biāo)準(zhǔn)化處理后的地面時敏目標(biāo)威脅度評估指標(biāo)數(shù)據(jù)。

表2 地面時敏目標(biāo)威脅度評估指標(biāo)數(shù)據(jù)

地面時敏目標(biāo)威脅度評估指標(biāo)體系中的部分指標(biāo)的分級標(biāo)準(zhǔn)見表3。

表3 地面時敏目標(biāo)威脅度部分評估指標(biāo)分級標(biāo)準(zhǔn)

表中I、II、III、IV、V 分別表示特別嚴(yán)重威脅、嚴(yán)重威脅、重大威脅、一般威脅、輕微威脅。對于可靠性 指 標(biāo) 來 說，“>0.95”、“0.95”、“0.90”、“0.85”、“0.80<”分別代表可靠性的評估等級：I 介于（0.95，1］，II 介于（0.90，0.95］，III 介于（0.85，0.90］，IV 介于（0.80，0.85］，V 介于［0，0.80］區(qū)間，余下評估指標(biāo)的分級標(biāo)準(zhǔn)同理。

確定了指標(biāo)分級標(biāo)準(zhǔn)，就可根據(jù)式（6）～式（10）計算ID 01 可靠性Pr指標(biāo)的5 個等級的聯(lián)系度，進(jìn)而得到Pr的同異反向量表達(dá)式

那么，通過同樣過程，不難構(gòu)造ID 01 所有評估指標(biāo)的同異反系數(shù)矩陣

接著通過層次分析過程（AHP）［12］，計算出指標(biāo)Pr，Ps，Pf，Pd，Pk，Pt，Nu的權(quán)重向量w=［0.093，0.148，0.135，0.217，0.064，0.316，0.028］。根據(jù)式（18），就可以確定ID 01 的同異反向量表達(dá)式

按照均分取值原則，差異度可取為

此處由于i2=0，帶入式（18）中，會導(dǎo)致該分項始終為零，喪失該項的貢獻(xiàn)力，為避免此種情況，取i2=0.01，這樣既能避免該項為零，又使自身的變化影響較小。這樣，就可以確定

將E 代入ID 01 的同異反向量表達(dá)式，即可計算ID 01 的μ1值為0.736，該值即為ID 01 的地面時敏目標(biāo)的威脅度。同理，也可得到ID 02～I(xiàn)D 20 的目標(biāo)威脅度，如表4 所示。

表4 地面時敏目標(biāo)威脅度值

將表2 的評估指標(biāo)數(shù)據(jù)與表4 中對應(yīng)的目標(biāo)威脅度逐一組合，就形成了IELM 建模的20 組數(shù)據(jù)樣本。本文采用數(shù)據(jù)滑動窗方式構(gòu)建訓(xùn)練樣本集和測試樣本集，且訓(xùn)練樣本集選取16 組數(shù)據(jù)樣本，余下4 組用于測試，如表5 所示。

表5 目標(biāo)威脅度評估ELM 建模數(shù)據(jù)樣本構(gòu)造

利用IELM 對以上樣本進(jìn)行處理，對地面目標(biāo)進(jìn)行威脅度評估建模，得出目標(biāo)威脅度值的大小，根據(jù)目標(biāo)威脅度排序，確定優(yōu)先攻擊威脅度大的地面目標(biāo)。

引入絕對相對誤差Err 對預(yù)測效果進(jìn)行分析

式中，y 為由SPA 計算出的目標(biāo)威脅度，y' 為由IELM 模型得出的目標(biāo)威脅度。

如選取樣本集編號SD 01 和SD 02，觀察對應(yīng)的ELM 模型測試結(jié)果與SPA 得出μ 值的對比，結(jié)果如表6 所示。

表6 部分計算結(jié)果及誤差分析

在SPA 構(gòu)建的評估樣本基礎(chǔ)上，建立ISVM 威脅度評估模型［13-14］，并與IELM 模型進(jìn)行比較，以驗證ELM 模型的先進(jìn)性。

由下頁表7 可知，IELM的平均訓(xùn)練時間為0.275 s，平均測試時間為0.021 s，SVM 的平均訓(xùn)練和測試時間分別為5.562 s 和0.045 s，在訓(xùn)練時間上，IELM 與SVM 相差了兩個數(shù)量級，而這一點(diǎn)對無人機(jī)攻擊決策問題來說尤為重要；IELM 的平均測試Err 在［0.298%，0.574%］區(qū)間變動，平均測試Err 為0.402%，SVM 的平均測試Err 在［0.397%，0.731%］區(qū)間變化，平均測試Err 為0.518%。IELM 與SVM的測試精度較為接近。

表7 ISVM 與ELM 時間及測試精度對比

從評估結(jié)果可看出，SPA 與IELM 的評價結(jié)果極為吻合，但與前者相比，基于IELM 的評估方法更具優(yōu)勢，有以下3 點(diǎn)：1）IELM 通過對大量數(shù)據(jù)訓(xùn)練與學(xué)習(xí)，找到輸入與輸出變量之間的非線性關(guān)系。模型僅需要一個新樣本信息，根據(jù)模型內(nèi)存儲的知識進(jìn)行演繹和推理，就能得出評估結(jié)果，雖然比SPA計算復(fù)雜，但借助于計算機(jī)，反倒簡化了評估過程，也為無人機(jī)攻擊決策節(jié)省了時間。2）IELM 可根據(jù)訓(xùn)練樣本自動調(diào)整各指標(biāo)的權(quán)重，避免了如SPA 預(yù)先根據(jù)專家知識確定權(quán)重等主觀因素對評估結(jié)果的影響，克服了各指標(biāo)權(quán)重隨時間動態(tài)變動的問題。3）IELM 評價模型泛化能力強(qiáng)，可以通過對歷史信息的學(xué)習(xí)，直接可以對新樣本進(jìn)行處理，給出較合理的威脅度評估結(jié)果，SPA 在評估過程中依賴專家知識，主觀性過強(qiáng)。因此，將SPA 與IELM 有機(jī)結(jié)合起來，進(jìn)行無人機(jī)對地目標(biāo)威脅度評估，不僅利用了IELM 在線評估的優(yōu)點(diǎn)，還有效解決了訓(xùn)練樣本的來源問題。

5 結(jié)論

本文針對地面目標(biāo)威脅度評估指標(biāo)體系，首先通過SPA 方法生成訓(xùn)練樣本和測試樣本，然后，采用IELM 建立了空對地時敏對目標(biāo)威脅度評估模型，實(shí)現(xiàn)對多地面目標(biāo)的威脅度進(jìn)行排序，由此確定無人機(jī)火力系統(tǒng)攻擊優(yōu)先度。仿真表明，所提出方法能夠在線訓(xùn)練，精度高，速度快，模型輸出與SPA 的評估結(jié)果非常吻合。克服了傳統(tǒng)方法的人為主觀性、無法在線建模、泛化能力不強(qiáng)等缺點(diǎn)，即使對于新樣本數(shù)據(jù)，評估模型也能通過訓(xùn)練模型參數(shù)，給出較為準(zhǔn)確的評估結(jié)果，這有利于無人機(jī)快速合理地進(jìn)行空對地多目標(biāo)攻擊決策。