面向人工智能的装备体系广义复杂信息系统观点与研究结构

概念是人类认知的基础和手段。已有装备体系的各种概念模式存在语义交织、外延重叠的不可分离性以及边界模糊性等一系列问题制约着基于体系大数据的体系模型表达与知识发现。文章提出一种装备体系广义复杂信息系统观点,从信息为认知主体、现象为认知主线、数据为描述形式三个角度解释了装备体系的广义信息系统观、体系知识观和信息网络模型观三个层次的系统理论要素。讨论了基于语义大数据建模的形式概念分析和粒计算知识发现两个层次系统模型理论要素。本文内容作为一种将大数据概念用于装备体系研究范式探索思路。

基于大数据的装备体系三元概念认知系统模型构造框架

多样化的装备体系定义模式存在概念语义内涵交织、外延对象重叠难以离析,体系系统边界动态模糊等不确定性制约装备体系综合认知,大数据建模与分析决策为装备体系模型表达与知识发现提供了机遇。提出广义复杂信息系统观点下采取形式三元概念分析理论描述和表示装备体系中概念及概念之间层次网络结构的装备体系认知系统模型构造框架。首先分析了能力视角下装备体系语义超网络模型的大数据描述架构及其层次建模过程,设计了一种体系分层共演化时空数据应用模型结构。概述了概念认知系统研究进展,提出一种基于语义上下文的形式三元概念构造策略,讨论了上下文覆盖数据结构与三元概念构造的联系。为应用语义大数据开展装备体系认知计算提供了有益启发。

基于大数据的装备体系认知计算系统分析

装备体系概念的多样化定义模式内涵交织、外延重叠,体系中系统概念动态模糊等不确定性迫切需要融合装备体系概念,成为应用大数据有效建模体系的关键难题.概念是人类的核心认知方法,以形式概念为基本元素的概念粒计算是一种构造认知系统的重要技术手段,形式概念分析理论为有效利用体系大数据,推动一般性本体论认知框架向数据为形式背景以人为中心的认知计算系统转变提供了新途径.分析描述了军事领域大数据现象及其潜在应用模式,应用粒计算思想,分析装备体系的语义粒度特征和形式概念系统模型,提出装备体系动态演化信息流不确定性形成机理和数据驱动认知计算系统模型研究架构.

基于联系数的电子装备体系效能倍增效应分析

提出了基于联系数的电子装备系统和体系作战效能倍增效应分析新方法。首先介绍了联系数的定义与数学运算,其次提出以基于作战能力指数的同异联系数来描述电子装备的作战效能,并根据不确定系数的取值分别对电子装备系统和体系的作战效能倍增效应进行了分析,最后基于侦察装备对目标的侦察能力进行了实例分析,结果表明该方法合理可行。

多源异构装备数据集成研究综述

现代战争需要高效地处理多源异构的装备数据,装备数据集成主要针对装备数据的来源广泛、结构异构问题,通过数据集成平台对多个数据来源进行统一处理,屏蔽数据之间物理和逻辑层面的差异,实现装备数据的统一表示、存储和管理。研究阐述了基于模式、基于复制的装备数据集成方法,梳理了装备数据集成中存在的组织管理、结构异构、语义异构、大数据等问题及相应的解决方案,分析了以Web Services和Big Data为代表的装备数据集成最新技术,并展望了未来的发展方向。

面向数据语义集成的装备领域本体构建研究

装备领域本体能够准确描述领域内概念的定义和概念之间的相互关系,是研究装备数据语义集成的基础和前提。在分析现有构建方法的基础上,提出了一种半自动化的装备领域本体构建方法。以装备领域的权威文件为标准,构建顶层领域本体,采用模式映射的方法从装备数据库中生成初始局部本体,通过本体映射对领域本体进行规范化处理。实验结果表明,该方法能够较为全面地构建出装备领域本体,为数据语义集成提供统一的全局视图,运行效果优于其他方法。

基于语义元模型的装备体系结构建模方法

根据以数据为中心的体系结构建模思路,提出了一种装备体系结构语义模型——语义装备体系。首先在DoDAF元模型(DoDAF meta-model,DM2)基础上提出语义元模型,定义了装备体系结构的概念基础类及关联关系,给出了由类、关系、属性和实例构建四元组的本体描述框架;其次基于语义元模型构建了作战视图本体模型、系统视图本体模型、能力视图本体模型,明确了体系组成要素在各视图中的定义、关系和属性的形式化描述;最后以海战场预警探测系统为例进行了实例研究,验证了方法的可行性。

大数据与装备体系的概念关联机理和模型结构

大数据分析与决策思维方法应用到装备体系建模是军事领域热点。关于两者之间概念关联性机理的模糊认识、理论方法和技术手段不清晰、研究思维混乱的现状,立足于认识论讨论大数据认知计算与装备体系演化建模研究之间的概念关联性原理,提出基于大数据的装备体系建模与仿真研究的两"桥"理论范畴及其基本框架分析。引出语义超网络概念探索基于大数据的装备体系结构框架语义描述策略和基于认知粒计算方法论的装备体系演化问题不确定性建模新途径。

基于大数据形式概念认知计算的装备体系动态演化建模框架建构

针对装备体系和综合电子信息系统概念的层次差异和分立研究现状与实际装备网络信息技术形态融合集成发展趋势和联合作战需求表现出不相适应性,使得装备体系演化论证面临认识论上的局限性和片面性,基于大数据的体系认知计算为联合作战意义下装备体系动态演化问题建模研究提供了契机.考虑作战角度下装备体系的全要素共演化特征、动态复杂性、对抗性和人的因素在体系动态演化中的中心地位,提出粒计算框架下基于形式概念认知计算手段构建联合作战意义下装备体系动态演化模型的理论框架.分析了装备体系动态演化建模在系统论延伸、数据模型知识化表达和信息粒化认知理论需求,从数据驱动的装备体系动态演化建模阶段、粒计算模型层次性和关键技术路线3个方面,探讨了以人为中心基于认知计算的概念化知识动态演化建模技术框架..

基于BDA的装备体系评估方法

装备体系评估是装备体系建设的重要环节。分析了大数据分析方法的特点和优势,比较了常见装备体系评估方法的优点和不足,阐述了大数据分析方法在装备体系评估的应用思路,提出了基于BDA的装备体系评估方法。设计了基于BDA的装备体系评估模型,包括数据集成模块、仿真实验预设模块、体系能力评估模块和基于BDA的装备体系分析模块,详细描述了各模块的工作原理和功能。最后结合实例具体阐述了基于BDA的装备体系评估的工作流程和功能特点,通过实验能够挖掘出装备与体系之间、想定任务与体系之间、体系与体系能力之间的关联关系,其分析结果能为装备体系构建提供辅助决策支持。

基于ThemeRiver的可视化技术发展综述

ThemeRiver模型属于专题可视化结构样式,是将得到的大量信息资源集合在一起,按时间顺序构造一个类似"河流"的可视化显示方式,通过河流的方式反映主题强度信息的变化过程。ThemeRiver模型在处理时变多元数据上具有很大优势,既有宏观追踪又有微观分析,应用领域广泛。通过分析运用ThemeRiver的可视化典型系统及总结分析其特点,从经典ThemeRiver、3DThemeRiver和与其他可视化模型结合的ThemeRiver三部分,介绍随着多维时变信息的激增和用户需求的不同,ThemeRiver从产生、发展、到与其他模型的结合运用,在不同系统和模型中具有各自的信息展现重点,对比ThemeRiver模型的特点,可总结出发展演进规律。最后探讨了ThemeRiver在大数据时代的发展趋势,如何继续发挥更大作用。

一种图像去模糊正则化恢复算法参数确定方法

为了解决模糊正则化恢复算法中参数确定问题,提出一种正则化参数确定方法,该方法根据降质图像特征计算正则化参数。分析了目前普遍应用的全变分正则化方法和该问题的改进拉格朗日迭代解法(SALSA),分析不同正则化参数对恢复效果的影响,提出的正则化参数确定方法与噪声和原图像梯度大小相关。对不同梯度和噪声图像的不同正则化参数恢复效果进行对比,得到提出的正则化参数确定方法能使恢复图像的改进信噪比处于最大值附近。从实验视觉效果得出,该参数确定方法能够抑制降质图像的噪声并能够尽量恢复原图像细节信息。

一种进行稀疏编码的复数数据词典快速训练方法

稀疏编码理论应用于信号处理的各个领域,为了获取优化的稀疏编码,需要通过训练获取数据词典.提出了一种复数域数据词典的快速训练方法,将词典训练问题转化为最优化问题并交替地对词典原子和编码进行最优化而得到最终训练词典.在对词典原子的最优化过程中,采用具有记忆性的在线训练算法;而在对编码进行最优化的过程中,采用交换乘子方向方法进行实现.通过实验得出:所提出的算法能够有效地提高数据词典的训练效率,在保证收敛值的同时缩短训练时间,并且对于训练样本中的噪声具有鲁棒性.

基于博弈论的无人机战场攻防策略求解模型

提出基于博弈论的无人机战场攻防策略求解模型;利用零和博弈求解方法,找出当目标平均定位时间变化时的不同纳什均衡点;案例结果表明:该纳什均衡点即为攻守双方一定条件下的最佳策略集合;该模型可为实际战场决策提供参考。

一种改进的领域本体语义相似度计算方法

在深入研究语义相似度计算方法的基础上,提出了一种改进的领域本体概念语义相似度计算法.算法考虑了概念间层次顺序、节点深度、语义重合度对基本语义相似度的影响,描述了决定概念语义相似度的各种因素,分析并建立了这些因素的数学模型.通过实验对比与分析,验证了此算法具有较好的精确性和准确性.

基于关系数据库的半结构化XML数据组织技术

XML数据的组织和管理存在多种方法。描述XML数据、模式以及半结构化XML数据特点,介绍XML数据库与XML数据存储方法,讨论XML数据在关系数据库中的组织策略;基于编码机制,将半结构化XML编码分成次序编码、路径编码、混合编码和支持更新的扩展编码,分析总结半结构化XML数据编码技术,展望XML数据组织技术的发展趋势,为进一步进行XML数据组织技术研究提供基础。

一种面向重构的XML混合编码方法

为了在关系数据库中高效地组织和管理XML数据,提出了一种混合编码方法.适当改进了向量编码方法,通过向量梯度标识XML数据各节点的位置信息,与各节点的路径信息相结合,能够在数据重构中支持各节点映射与定位,有效避免了由数据更新引发的重新编码问题,实现了高效的路径查询;由此建立了混合编码方案的数学模型、数据模型及关系模式.通过性能分析和实验,表明混合编码能够较好地支持XML数据的查询、更新与重构,验证了该编码方法的有效性.

基于分层抽样的数据流近似查询算法

为有效解决流数据中近似查询问题,提出一种综合流式处理和批处理的近似查询模型。利用滑动窗口提供流式近似查询能力,利用改进的分层抽样算法对于数据流产生的海量历史数据进行分层抽样,最大限度避免偏倚值对于查询结果的影响。实验结果表明,该算法结合了滑动窗口流式分析以及分层抽样技术批处理分析的优点,提高了查询的精度。

基于实例的强分类器快速集成方法

针对集成分类器由于基分类器过弱,需要牺牲大量训练时间才能取得高精度的问题,提出一种基于实例的强分类器快速集成方法——FSE。首先通过基分类器评价方法剔除不合格分类器,再对分类器进行精确度和差异性排序,从而得到一组精度最高、差异性最大的分类器;然后通过FSE集成算法打破已有的样本分布,重新采样使分类器更多地关注难学习的样本,并以此决定各分类器的权重并集成。实验通过与集成分类器Boosting在UCI数据库和真实数据集上进行比对,Boosting构造的集成分类器的识别精度最高分别能达到90.2%和90.4%,而使用FSE方法的集成分类器精度分别能达到95.6%和93.9%;而且两者在达到相同精度时,使用FSE方法的集成分类器分别缩短了75%和80%的训练时间。实验结果表明,FSE集成模型能有效提高识别精度、缩短训练时间。

基于节点识别的慢任务调度算法

为了降低大数据处理集群在执行任务过程中的慢任务对作业执行效率的影响,提出了一种识别慢任务、备份慢任务、减少慢任务相结合的调度算法——TQST算法。首先,通过判断节点能力和任务执行时间,建立慢节点、非常慢节点和慢任务队列;其次,根据预判备份执行价值确定如何启动慢任务的备份任务,提高了备份执行的作用;然后,在节点识别的基础上,规避为非常慢节点分配任务,从根本上减少慢任务的产生,提高作业执行效率。实验结果表明,TQST算法在作业响应时间等方面优于已有的慢任务调度算法。