一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络(BPNN)的分类性能和遗传算法(GA)的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法(SSA)优化支持向量机(SVM)的空中目标意图预测方法.利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验.结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果.因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能.