从评估问题本身出发研究学习样本的构造方法,针对传统灵敏度分析方法的不足,提出基于支持向量机的作战效能灵敏度分析方法。分析基于最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)作战效能的原理与模型,提出一种新...从评估问题本身出发研究学习样本的构造方法,针对传统灵敏度分析方法的不足,提出基于支持向量机的作战效能灵敏度分析方法。分析基于最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)作战效能的原理与模型,提出一种新的基于属性效用函数估计的学习样本构造方法,提出基于PSO算法的LS-SVM参数的优化选择方法。总结基于支持向量机的作战效能灵敏度分析的实现算法,采用参考文献中的数据为例进行算例分析。结果表明,该方法无需考虑决策属性间的复杂关系,在灵活性和所提供的信息量上由于传统解析法,在计算速度上优于Monte Carlo法。展开更多
