海上目标战术意图序贯识别技术研究

针对舰艇指挥决策中的目标战术意图识别问题,根据领域知识的特点,提出了基于特征分量相似度的目标实时状态对意图类的支持程度算法,并用证据理论对时序上支持程度进行融合,形成目标战术意图序贯识别技术。该技术建立了目标实时特征量与已知意图模式特征分量的标准值的相似度计算模型,论述了将该相似度转化成证据理论中基本概率分配函数的方法。最后举例说明了目标战术意图序贯识别的过程。

空中目标战术机动类型的实时识别

空中目标的战术机动类型是识别其战术意图的重要依据。根据空中目标战术机动类型的特点,采用时间序列编码表示空中目标战术机动类型,推导了空中目标转向机动的判据,提出了机动动作之间的相似度计算模型,建立了空中目标战术机动类型的识别算法。最后提出了识别算法的仿真验证方法。

舰艇战术意图识别技术

对作战对象战术意图的识别是舰艇指挥决策的重要基础和前提,也是战场态势评估的核心内容。根据领域知识的特点,提出了用于识别舰艇战术意图的最大相似法,该方法根据战术专家识别舰艇战术意图的特点,将待识别意图的特征分量与已知意图模式特征分量的标准值相比较,确定待识别意图与所有已知意图模式的总相似度,将战术意图判别为与其总相似度最大的类别。分析了意图模式特征分量的特点,建立了待识别意图特征量与已知意图模式特征分量的标准值的相似度计算模型,提出了特征分量对模式类属判别的权重的获取方法。该模型具有直观、易于工程实现等优点。

基于机动识别的空战意图威胁建模与仿真

针对目前超视距空战态势评估模型的不足,改进了超视距情况下态势威胁的计算方法,建立了一种基于机动识别和态势预测的意图威胁模型。综合能力威胁、态势威胁、意图威胁和协同因子提出了一种新的空战威胁评估方法。基于机动识别和态势预测的意图威胁评估的结果较好地预测未来时刻敌机的运动,对未来时间内的潜在威胁进行估计,使我方能够准确地对敌做出目标分配。

基于动态贝叶斯网络的防空作战态势分析

针对战场目标战术意图变化的复杂性,尤其是战场信息的不确定性,根据态势事件与态势假设之间的潜在关系,利用动态贝叶斯网络建立态势评估的功能模型,并用实例验证方法有效性。仿真表明:功能模型能将各种特征因素进行综合,使不同时间片的特征因素相互修改,并准确地跟踪战场态势的变化,所得结果为指挥员情报决策提供了支持。

贝叶斯网络在战术态势估计中的应用

战场态势估计是指挥决策的基础,如何进行合理的态势估计是当前战场指挥系统中最重要的组成部分;作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中得到了广泛的应用;因果推理是态势估计中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势估计所需完成的功能;根据态势与事件之间不同的连接关系建立态势估计的贝叶斯网络模型,介绍贝叶斯网络推理算法和步骤,并给出实例仿真;结果表明,将贝叶斯网络用于态势估计,能够进行推理得到完整的战场态势信息,为决策提供依据。

基于模糊模式识别和D-S证据理论的安全态势估计

分析了网络安全态势估计问题的本质特征,构造了网络安全态势推理评估的求解模型。采用模糊模式识别和D-S证据理论相结合的不确定性推理方法,能较好地解决多样本识别的不一致问题,有效地对识别结果进行融合,从而得到较高的正确识别率。通过实例说明了方法的有效性。

海战场对敌战术意图序贯识别技术研究

对战场上出现的大量目标隐含的战术意图的正确、快速、自动识别,能大大提高战场指挥人员的决策效率。以战场态势估计为基础,提出战术意图识别的框架模型;结合最大近似法、D-S证据理论用于战术意图序贯识别的不同阶段。该研究属于决策级数据融合的范畴。

基于D-S证据理论的海战场目标战术意图识别技术研究

目标战术意图识别技术是海战场态势评估领域的一个核心内容,也是威胁估计的基础。根据舰艇指挥决策中的海战场态势评估的需要,提取目标战术意图识别所需要素,然后运用高维空间相似度计算模型,度量目标状态对其意图的支撑程度,最后结合D-S证据理论对目标战术意图进行序贯识别,通过实例验证,取得了较好的效果。该方法能够为解决海战场目标战术意图识别提供新的途径。

基于信息融合技术的动态安全态势评估模型

本文提出了一种基于信息融合的动态网络安全态势评估方法。此方法采用信息融合系统的三层结构,数据层用粗糙集理论确定有用属性及权值,定时收集多源数据并标准化,特征层采用模糊聚类分析进行信息预分类,决策层用模糊识别和D-S证据理论组合的识别方法得到最终结果。

基于PR-OWL的战术意图识别概率本体建模

网络中心环境下的战术意图识别问题具有不确定性和分布式等特点,如何描述战术意图领域的不确定知识是战术意图识别的基础。考虑到网络中心环境下战术意图识别过程中知识共享和协同识别的需要,论文首先建立一个适合网络中心环境下战术意图识别系统的框架结构;然后提出一种基于PR-OWL的战术意图领域知识的概率本体模型建模方法;最后,给出一个战术意图识别概率本体模型的设计实例。

面向鲁棒决策的战场态势评估人机共识形成方法

针对地面突击装备战术级、高动态、分布式、强实时作战过程中的战场态势高度复杂且信息不确定问题,提出一种面向鲁棒决策的战场态势评估人机共识形成方法,实现“人类智能”与“人工智能”在综合态势评估中的有机融合。首先,通过采集乘员(专家)态势评估行为实验样本,模拟乘员(专家)对战场态势信息的认知过程,构建战场态势评估两级智能代理模型;其次,提出一种对人机偏好不敏感的决策鲁棒指数,车辆乘员基于该指数在高强度对抗下快速判断形成人机共识,辅助指挥员进行鲁棒决策。在某作战仿真系统中进行了红蓝对抗的想定设计,并以敌方意图为态势评估对象进行了案例验证,验证了该方法的有效性。

基于灰色信息检测的相依网络安全评估仿真

运用传统方法对相依网络安全态势进行评估的过程中存在评估结果不准确,效率低等问题,为此提出一种基于攻击模式识别的相依网络安全态势评估方法。结合网络安全态势攻击信息中的态势值关系得到BP神经网络相应节点,从态势信息中的关系经过多次迭代推算得到态势值,根据态势值结合布谷鸟搜索算法获取BP网络最佳权值和阈值,将结果赋予目标网络态势评估模型中,得到最优网络态势评估模型。基于一种攻击识别的安全评估方法,对网络信息进行融合识别,根据识别出的信息进行网络安全评估量化,结合网络状态转移图,实现网络安全的预测,达到评估效果。通过实验结果验证,所提评估方法与传统评估方法相比,评估结果更准确、效率更高,上述方法的实际应用性较高。