作者
谢倩婷
文章摘要
在体系作战样式下，准确识别目标类型是实现态势认知的关键步骤。快速、准确地了解目标类型有助于决策者更好地理解战场情况和采取适当的行动。使用决策树、神经网络和XGBoost等机器学习算法对目标数据进行类型识别是一种合理的方法。这些算法能够自动学习数据中的模式和特征，以做出预测。结果表明，XGBoost算法在数据识别准确率方面表现最好。这表明XGBoost在这一任务上具有优势，能够提供高准确度的目标类型识别。
文章关键词
类型识别；决策树；神经网络；XGboost
参考文献
[1] 祝好,齐磊,顾慧琼.基于人工神经网络算法的运营商客户投诉智能分类问题研究[J].电信工程技术与标准化,2021,34(03):31-35.
[2] 周荣喜,彭航,李欣宇,闫宇歆.基于 XGBoost 算法的信用债违约预测模型[J].债券,2019(10):61-68.
[3] 刘子铭.基于 XGBoost 混合模型的 MBR 膜污染预测研究[D].天津工业大学,2019.
Full Text:
DOI
