面向空战对抗行为意图分析的小样本学习方法.pdfVIP

第29卷第4期哈尔滨理工大学学报Vol.29No.4

2024年8月JOURNALOFHARBINUNIVERSITYOFSCIENCEANDTECHNOLOGYAug.2024

面向空战对抗行为意图分析的小样本学习方法

111222

潘明,郑景嵩,李金亮,方龙,杨阳,赵世杰

(1.中国西南电子设备研究所,成都610036;2.西北工业大学自动化学院,西安710129)

摘要:针对目前空战对抗中空战目标的行为意图识别存在着数据来源多、数据模态多、数据的维度高冗余

大、样本量小和不均衡以及训练所需的大量标注数据获取困难等问题,构建了一种基于深度双向门控循环单元

(deepbidirectionalgatedrecurrentunit,DBGRU)的空战目标行为意图识别模型,通过在双向门控循环单元(bidirec-

tionalgatedrecurrentunit,BiGRU)中融合注意力机制来提升模型的特征学习能力,自适应地分配不同空战特征信息

的权重。并以DBGRU为骨干网络,提出了一种基于数据扩充的小样本对比学习算法,利用基于Wasserstein距离的

生成对抗网络(wassersteingenerativeadversarialnetwork,WGAN)扩充原始数据,并利用对比学习框架挖掘多模态数

据中的丰富的模式信息弥补小样本数据规模不足的缺陷,从而准确预测空战目标行为意图。实验仿真结果表明,

基于数据扩充的小样本对比学习算法预测小样本空战目标行为意图的准确率为91.13%。

关键词:意图识别;注意力机制;门控循环单元;生成对抗网络;对比学习

DOI:10.15938/j.jhust.2024.04.006

中图分类号:TP391.4文献标志码:A文章编号:1007-2683(2024)04-0050-09

AFew-shotLearningMethodforIntentAnalysis

ofAirCombatConfrontationBehaviors

111222

PANMing,ZHENGJingsong,LIJinliang,FANGLong,YANGYang,ZHAOShijie

(1.SouthwestChinaResearchInstituteofElectronicEquipment,Chengdu610036,China;

2.SchoolofAutomation,NorthwesternPolytechnicUniversity,Xi′an710129,China)