基于动态多实体贝叶斯网络的无人艇任务决策研究

任务决策是实现无人艇智能自主的关键环节,其存在着场景多样性、状态不确定性、约束动态性等问题。为此,本文提出动态多实体贝叶斯网络模型。首先设计了面向无人艇的语义推理框架,对无人艇本体信息进行知识表示。进一步,采用概率本体语言方法描述不确定性知识,同时扩展动态贝叶斯网络的结构,从而提高了无人艇任务决策在不确定性因素和时序因素影响下的推理能力。最后针对岛礁区域防守的任务场景,与多实体贝叶斯网络模型进行对比,结果表明DMEBN模型在动态条件下具有执行策略的连续性,验证了模型的可行性和有效性。

一种基于多实体贝叶斯网络的用户行为评估方法

由于信息系统中用户行为类型的多样性,采用单一的检测方法对内部合法用户的恶意行为进行检测评估效果不好。提出一种基于多实体贝叶斯网络的用户行为可信评估方法,利用多实体贝叶斯网络的对行为的多种要素进行建模、融合,共同推理出用户行为的可信程度。最后的仿真实验表明所提出的模型在信息系统中的用户行为可信评估具有较好的效果。

多实体贝叶斯网络在态势估计中的应用研究

介绍了多实体贝叶斯网络(MEBN)理论,给出了实体片断及多实体规则形式化的定义,分析了在态势估计中使用多实体贝叶斯网络进行知识表示和态势推理的问题。给出一个具体的实例,演示了使用多实体贝叶斯网络进行态势估计的过程。

基于MEBN的战术级空中目标意图识别

战术级空中目标意图识别是现代化防空作战中理解战场态势、预测目标行动的关键。构建空中目标意图识别模型的核心问题是如何表示不确定的意图因素以及它们之间的关系。分析了具有典型防空作战意义的想定,并结合军事经验总结了影响意图识别的因素。提出了应用多实体贝叶斯网络(M u lti-En tities B ayes ian N etw ork)描述空中目标意图,在贝叶斯推理中融入逻辑理论,采用具体的基于知识的SSBN构建算法动态地进行空中目标意图识别。通过仿真实验,验证了此方法的有效性和可行性。

基于MEBN的大型舰船舰面保障作业检测

大型舰船舰面保障作业指驻扎于大型舰船的飞机的一次出动过程中,发生于舰面的针对飞机的出动回收准备活动(如飞机调运、物资转运、飞机滑跑起飞等)。基于舰面监控视频检测舰面保障作业,利于分析并提高保障作业效率。在大型舰船携带的机群出动过程中,各飞机的保障作业同时进行,涉及数以百计的操作员、高级器械及设施设备的协作。针对大型舰船舰面保障作业检测问题中,同一视频场景内同时发生多个保障作业且参与者位置交叉、重叠的难点,提出一种基于多实体贝叶斯网络的大型舰船舰面保障作业检测技术。该技术假设在视频数据预处理阶段获取视频中各目标物清晰连贯的运动轨迹;在保障作业检测阶段,输入目标物轨迹,先基于带约束的轨迹自动聚类算法,自动计算聚类个数,并将参与同一保障作业的轨迹聚至同一类;在各聚类内,采用基于MEBN的保障作业识别技术,推断保障作业类型。大型舰船舰面监控视频数据集上的实验表明,该方法对同一视频场景中同时发生的且参与者位置交叉的舰面保障作业具有良好的检测效果。

多域作战下的群目标意图识别与预测

多域作战具有实体多类、队形多变、意图多样等诸多挑战,难以综合利用多元知识,因而主要依靠人工判决,以至于自动化水平不高。为了实现计算机自动推演态势,需要解决知识的图形化建模和意图推理综合两大难题。对此,在空海域管控知识图谱的基础上,搭建了多域作战战术规则库、编队队形与场景态势的映射关系,提出了基于多实体分层贝叶斯网络的群目标意图识别与预测方法。首先,运用群内目标实体的状态和事件信息,构建目标作战实体行为推理层。其次,利用综合作战实体的时序规则、双方相对距离及航向等信息,构建同类目标元意图推理层。最后,利用实体序列协作关系及编队队形信息,构建多域作战下的群目标总意图推理层。以航母群活动仿真数据为例,验证了所提算法能够获得较为可靠的意图推理结果。