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。

改进加权D-S证据理论在目标意图预测中的应用

为了在预警机中准确对目标意图进行预测,以便我方及时合理的作出战术决策,采用D-S证据理论对目标意图进行预测。首先提取出影响目标意图预测的各个态势因素,然后分析每个因素的影响效果。在此基础上建立目标意图预测的数学模型,利用D-S合成法则将所有因素的影响进行综合,并计算出各个可能命题的概率赋值并给出相应决策。仿真实例表明:融合后的不确定概率有较大幅度的下降,得到了合理的目标意图预测结论,文中的方法可扩展为多个目标编队的意图预测。

基于注意力机制改进的LSTM空战目标意图识别方法

空战对抗过程中的目标状态数据呈现时序性、多维性等特征,为进一步提升目标意图识别的准确率,提出了一种基于改进注意力机制的长短期记忆网络(LSTM)目标识别方法,将空战可能出现的目标意图识别当成一个多分类问题处理。该方法首先通过目标实时的状态数据,生成特征序列;接着采用注意力机制提升目标的特征学习能力,增强空战过程中的主要目标状态特征表示,得到具有权值分配的特征向量;最后利用LSTM网络对目标特征向量进行训练,通过softmax层实现目标意图的识别。仿真实验表明,该方法利用注意力机制有效增强目标的特征学习,进一步提升了LSTM网络的识别精度,具有一定的科学性和有效性。

Dempster-Shafer证据理论在目标意图预测中的应用

为了准确对目标意图进行预测,以便我方及时合理地作出战术决策,采用D-S证据理论对目标意图进行预测。首先提取出影响目标意图预测的各个态势因素,然后分析每个因素的影响效果。在此基础上建立目标意图预测的数学模型,利用D-S合成法则将所有因素的影响进行综合,并计算出各个可能命题的概率赋值并给出相应决策。最后,通过仿真实例验证了该方法在目标意图预测中的可行性和实用性。

一种基于DS证据理论的目标意图预测方法

为了在反导作战中对态势预测提供方法支撑,运用DS证据理论进行目标意图预测.根据相关证据的权重对传统的DS证据理论组合规则进行了改进;提取了弹道导弹在飞行过程中目标意图预测的关键要素,给出了基于DS证据理论的目标意图预测的方法步骤.最后结合想定进行了仿真,计算出各目标意图的基本概率赋值并给出了决策.仿真结果表明,DS证据理论运用到弹道导弹目标意图预测是可行的,可为反导作战提供辅助决策依据.

直觉云推理及其在空中目标意图分析中的应用

针对高层信息融合中的不确定性推理问题,提出了直觉云模型和直觉云推理方法。首先,考虑到问题的直觉模糊性和随机性,将云模型与直觉模糊集理论相结合,提出了直觉云模型,实现定性概念与其定量表示之间的不确定性转换;然后,根据专家知识构建推理规则库,设计直觉云推理算法,实现不确定性推理;最后,将直觉云推理方法应用到空中目标攻击意图分析中,说明了直觉云推理方法的有效性和实用性。

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。

基于SSA-SVM的空中目标意图识别方法

针对传统的网格搜索算法(GSA)和粒子群算法(PSO)分别优化的支持向量机(SVM)无法同时满足舰船对空中目标意图识别中准确性和快速性的需要而导致识别效果较差的问题,提出了一种基于麻雀搜索算法(SSA)优化支持向量机的空中目标意图识别方法,建立了基于SSA-SVM的空中目标意图识别模型,并通过仿真实验与上述两种算法优化的支持向量机模型进行效果对比。结果表明,相比GSA-SVM和PSO-SVM,SSA-SVM同时具有较高的识别准确率和较短的识别运算时间。因此SSA-SVM能够既准确又快速地识别空中目标意图,具有更好的识别效果,验证了该方法的有效性。

基于径向基神经网络的侦察目标意图识别研究

针对无人机空中侦察目标意图识别的问题,提出一种基于径向基神经网络的目标意图识别模型。首先利用雷达收集空中目标相关参数;然后对收集到的数据进行处理并提取特征;最后利用知识库训练好的径向基神经网络对处理后的数据进行模式识别,得到空中目标的意图。案例分析表明,相对于BP神经网络和支持向量机的目标意图识别模型,基于径向基神经网络的空中目标意图识别模型具有更高的准确性。

基于置信规则库和证据推理的空中目标意图识别方法

空中目标意图识别是战场态势评估的一个重要部分,它直接关系到指挥员的作战决策。针对复杂战场环境下目标信息的多源性和不确定性,提出了一种基于置信规则库(BRB)和证据推理(ER)的目标意图识别方法。首先,建立了一种新的融合目标多源信息的BRB-ER意图识别模型;其次,建立了多参数优化模型优化系统初始参数,以提高识别精度。最后,采用某舰艇实际测得的目标信息对该方法进行了验证,结果表明,提出的方法能有效对空中目标意图进行识别。

基于自适应神经网络模糊系统(ANFIS)的空中目标意图分类

目标意图预测是现代防空技术的研究热点,准确、迅速预测空中目标作战意图,才能正确做出战斗决策,进行合理的火力分配。ANFIS作为一种新型的神经网络结构,把模糊逻辑方法和神经网络方法有机融合在一起,对于目标意图的分类有着良好的效果。基于MATLAB平台,使用ANFIS的学习方法,采用误差反向传播算法调节前提参数和结论参数,检测sugeno系统满足设计要求。通过ANFIS对已知意图的空中目标的数据分析,结合sugeno系统实现了对未知的的空中目标的意图分类。实验证明,该系统结合ANFIS的优点,可以较好的完成对空中目标意图的分类。

基于IDM和GRU的空中目标意图识别模型

针对空中目标意图识别任务中数据稀缺所带来的意图识别模型训练不充分的问题,提出了一种基于改进的扩散模型(IDM)和门控循环单元(GRU)的空中目标意图识别模型,构建空中目标意图空间和意图特征集并对其进行统一编码,基于扩散模型对意图数据进行扩增,将知识蒸馏方法应用于扩散模型中,加速了模型的采样过程;通过多层GRU实现了对目标作战意图的识别。仿真实验表明,所提方法能够生成符合原始数据分布、多样性、高质量的目标意图数据,验证了方法的有效性。

空中目标作战意图识别研究综述

随着战争形式的不断演变和武器装备的更新换代,空中战场态势日益复杂,迅速准确地识别目标作战意图是战场态势评估的一项重要内容,可以为指挥员的决策提供辅助信息,有利于掌握战争主动权。首先介绍了目标意图识别的基本概念及相关模型,界定了目标意图和意图识别的定义概念,从作战指挥决策流程和信息融合流程2个方面确定了目标意图识别的地位和重要性;其次目标特征和意图空间分别作为意图识别的输入属性和识别框架,是意图识别的基础并对此进行了综述;然后综述规则和模板匹配、证据理论、贝叶斯网络、传统机器学习和神经网络等5类常见的目标意图识别方法,介绍了每种识别方法的基本机理和识别过程,总结了其优缺点;最后对比分析了5类目标作战意图识别方法的性能,并对其未来研究方向进行了展望。

基于推理和多属性决策的空中目标攻击意图判断模型

研究了空中目标攻击意图判断问题。基于知识推理方法可以利用专家知识,但高精度下计算速度慢,难以满足实时性要求;多属性决策方法计算速度快,但无法利用专家知识。结合两者优点提出了基于直觉模糊产生式规则推理(IPR)和多属性决策的空中目标攻击意图判断模型,直觉模糊产生式规则推理利用专家知识对目标相对独立特征进行高精度推理,获得相对独立特征的攻击意图可能性;多属性决策综合各相对独立特征攻击意图可能性获得目标攻击意图。最后应用一个实例对该模型进行了验证,结果合理且计算速度快,满足实时性要求。

目标性意图与执行性意图调节情绪反应的效果比较

目标性意图和执行性意图作为目标的不同形式,对情绪调节的影响有待探讨。本研究试图考察目标性意图和执行性意图与表达抑制相结合之后,在调节情绪反应方面的作用。实验采用主观报告和生物反馈的方法对58名大学生进行测试。结果发现:(1)执行性意图组被试在观看负性和中性图片时对自身情绪唤醒度的评价均显著低于目标性意图组,在观看负性图片时其情绪唤醒度也显著低于控制组。(2)执行性意图组被试在各项生理反应指标上均显著低于目标性意图组和控制组,主要表现为形成执行性意图的个体在皮肤电导增加量、皮温降低量和指脉增加量上均显著低于形成目标性意图或不形成任何意图的个体。上述结果表明,相较于仅仅给出情绪体验下调目标的目标性意图,与表达抑制结合在一起的执行性意图能有效下调个体的负性情绪反应。

基于分层贝叶斯网络的航母编队对潜威胁评估

使用贝叶斯网络模型进行威胁评估是一种比较新的定量分析方法。将分层贝叶斯网络模型应用于航母编队对潜艇编队威胁评估,评估潜艇编队的威胁等级,达到为航母编队指挥员反潜作战提供辅助决策的目的。对分层贝叶斯网络模型进行阐述。分析了航母编队面对来自水下目标威胁产生的原因和机理,综合部队数据、院校专家、查阅资料基础上构建了可靠的航母编队分层贝叶斯网络。通过实验仿真对比实践部队数据验证了分层贝叶斯网络对航母编队威胁评估的有效性。

论创作动机的激活发生

论创作动机的激活发生蔡毅“为的是什么啊──假如不把人类身上的疮痍指给人类看；假如不把隐伏在万人心中的意愿揭示出来；假如不把较美的思想教给人们；假如不告诉绝望在今天的人还有明天……为的什么啊？”这是著名诗人艾青在谈写诗的目的和动机时发出的疑问，它的答案...

基于BDI的嵌套网模型及其在模拟对抗中的应用

针对复杂对抗系统的自适应和涌现性等特征,提出了一种将嵌套网模型结合BDI(belief,desire,intention)范例理论的多组织模型。主要贡献在于:有效地拓展了系统自身的动态适应性和稳定性;规划出一整套用于对抗模型平台的静态数据组织方式,并给出了各中间对抗过程的综合模型;针对实际问题,研究了仿真对抗过程的层次描述结构,并讨论了相关的运行机制。该模型的提出降低了建模复杂度,提高了模型的柔性度,有效地揭示了对抗本身的本质特征和推演规律,体现了模型在求解复杂自适应问题的强大优势。

水面舰艇编队最佳队形确立与防空能力预测

目的提高水面舰艇编队作战技能和效率,以期对以后信息化战争模型研究有一定的借鉴。方法围绕水面舰艇编队防空和信息化战争展开讨论,在合理假设的基础上,结合计算数学、物理模型以及CAD的应用对已知样本数据进行预处理,并通过聚类分析方法对空中目标意图进行识别。结果推测出水面编队防空最佳队形,在此基础上计算出编队在无预警机制以及有预警机制下的抗饱和攻击能力。之后对空中目标意图进行识别,其中意图为侦查的目标ID共有8个,意图为攻击和监视的目标ID各有2个。结论通过对空中目标意图的识别在一定程度上为提高水面舰艇编队作战技能和效率提供助力,对以后信息化战争模型研究有一定的借鉴。

Tactical intention recognition of aerial target based on XGBoost decision tree

In order to improve the accuracy of target intent recognition,a recognition method based on XGBoost(eXtreme Gradient Boosting)decision tree is proposed.This paper adopts relevant data and program of python to calculate the probability of tactical intention.Then the sequence intention probability is obtained by applying Dempster-Shafer rule of combination.To verify the accuracy of recognition results,we compare the experimental results of this paper with the results in the literatures.The experiment shows that the probability of tactical intention recognition through this method is improved,so this method is feasible.