来源：期刊VIP网 时间：
作者：史岳橙;李军;高睿;李梅;
单位：上海交通大学海洋智能装备与系统教育部重点试验室;中国船舶集团有限公司第七〇八研究所;上海船舶电子设备研究所;
摘要：[目的]为了解决现有意图预判方法存在的准确性较低、计算时间较长等问题，尤其在处理“新意图”时，其在原有任务上的性能通常会显著下降。因此，需要研究面向水面目标意图预判的可增智能方法。[方法]采用长短期记忆网络（LSTM）对同一水面目标的状态信息数据集进行训练；通过提取水面目标轨迹数据的特征，分析水面目标运动信息与意图的关联策略；提出基于支持向量机（SVM）的水面目标意图动态预判算法。当目标出现新意图时，该算法依据预设的触发条件，对SVM分类器进行实时优化，进而实现对水面目标意图的增量式预判。[结果]试验结果表明，动态预判模型的预测误差降低了15.52%，意图预判的准确率提高了22.55%。[结论]基于LSTM-SVM的可增智能学习技术不仅能够提高水面目标意图预判的准确率，而且能不断“扩增”新的水面目标意图类型。
关键词：水面目标;;运动状态预测;;意图预判;;可增智能
基金资助：上海市浦江人才项目（22PJ1405400）;; 国家自然科学基金青年科学基金项目（C类）（52301402）
