基于超视距空战模拟的监视机器学习用于导弹有效发射时机估计
机器学习
2022-07-12 v1 人工智能
摘要
本工作利用来自构造式模拟的可靠数据，比较了多种监督机器学习方法，以估计空战中最有效的导弹发射时机。我们采用重采样技术来改进预测模型，分析了准确率、精确率、召回率和 f1-score。事实上，我们能够识别出基于决策树的模型具有显著性能，以及其他算法对重采样技术的显著敏感性。具有最佳 f1-score 的模型在无非重采样和采用重采样技术时的值分别为 0.379 和 0.465，提升了 22.69%。因此，若需要，重采样技术可在准确率和精确率略有下降的情况下改善模型的召回率和 f1-score。从而，通过构造式模拟获得的数据，可以开发基于机器学习模型的决策支持工具，这有望改善超视距（BVR）空战中的飞行质量，提高打击特定目标的进攻任务有效性。
引用
@article{arxiv.2207.04188,
title = {Supervised Machine Learning for Effective Missile Launch Based on Beyond Visual Range Air Combat Simulations},
author = {Joao P. A. Dantas and Andre N. Costa and Felipe L. L. Medeiros and Diego Geraldo and Marcos R. O. A. Maximo and Takashi Yoneyama},
journal= {arXiv preprint arXiv:2207.04188},
year = {2022}
}