卷积目标分类网络的可信评估建模方法

为了提升目标分类系统的可靠性和智能空战场景的适应性,需要对目标分类系统的可信性进行定量评价,现存的目标分类系统缺少完善的可信性评价方法,所以提出了以数据为驱动,围绕目标分类系统“数据+算法+平台”三要素的可信性评估方法与准则。提出了基于黑盒和白盒的可信性评估模型,构建了目标分类系统泛化能力评估模型和目标分类系统鲁棒能力评估模型,多方面评估系统的工作能力,从根本上保证了目标分类系统的可靠性。通过生成测试用例并使用评估模型对分类网络结果进行可信性评估,形成了目标分类系统的可信性评估方法,可用于支撑、完善目标分类系统的可信性评价技术体系,提升目标分类系统的可靠性分析能力,同时为分类算法的可用性提供建议。搭建了目标分类系统可信性评估平台,该软件平台集成了数据生成模块、系统泛化性指标计算模块和系统鲁棒性指标计算模块,从泛化性、鲁棒性不同角度对目标分类系统进行了评估。     

基于改进模拟退火算法的软件可靠性模型参数估计方法

为提升现有软件可靠性模型的拟合性能和求解精度,结合软件可靠性模型求解特征,提出一种改进的模拟退火算法。在此基础上,提出基于改进模拟退火算法的软件可靠性模型参数求解方法(简称为MSAE法),并将新方法应用于4组失效数据集。工程应用结果表明,与最大似然估计(MLE)法、和声搜索(HS)算法和蚁群(AC)算法相比,MSAE法可有效改善软件可靠性模型参数求解不收敛的情况,并且可以有效提升现有软件可靠性模型的拟合性能。