面向军事群体的聚合及解聚可视化控制模型

作战编队是军事领域特有的军事群体组织方式,具有广泛的军事应用,针对战场态势中作战编队的聚合/解聚可视化问题,基于知识图谱及模型-视图-控制器(MVC)设计模式,提出了面向作战编队的聚合/解聚可视化控制模型,主要研究作战编队基于MVC的架构设计、作战编队基于知识图谱语义建模、基于主成分分析（PCA）的作战编队区域几何辅助对象构建、作战编队解聚/聚合ADLOD显示及地图比例尺控制以及作战编队聚合/解聚可视化模型的向量形式表征,该模型既弥补了军事标绘相关标准中作战群体方面研究的空白,也为联合作战态势多分辨率显示优化提供了基于作战编队聚合简化的新技术途径,同时,提供的可视化手段可加深对战场综合态势的认知,提升作战指挥决策水平,军事应用前景良好。     

基于数据模型的战场态势图信息管理技术

在高技术战争中,如何有效地管理态势信息成为军事信息技术的核心问题。通过研究基于信息交换数据模型的态势图信息管理技术,分析了战场态势数据的存储、分发以及可视化表示技术。在此基础上扩展了态势图信息的可视化要素实体,提出了管理态势信息和应用的态势图数据管理方法。对原型系统的扩展实验验证了该战场信息数据模型对支撑态势应用数据管理的可行性与合理性。     

分布式仿真中的虚拟战场态势可视化

基于分布式仿真对战场态势可视化的需求,本文探讨了虚拟现实技术在分布式仿真环境中的应用.在对虚拟战场态势建模基础上,建立了虚拟战场态势可视化系统,并给出了建立高层次可重用性的态势可视化系统所需关键技术的解决方案,包括态势可视化方案配置与基于事件触发的态势可视化更新.     

基于三维地球场景的干扰条件雷达探测范围可视化方法

雷达探测范围的三维可视化是现代战场电磁态势显示的关键组成部分。以电子对抗情况中雷达探测范围模型为基础,深入研究雷达局部坐标与地心直角坐标的转换算法,提出一种基于三维地球场景绘制理想条件与干扰条件下雷达探测范围的可视化方法。研究设计基于理想条件与干扰条件下雷达探测范围可视化数据需求的数据库,并基于三维地球场景平台ArcGlobe,结合OpenGL绘图技术,应用该可视化方法开发海战场电磁态势显示系统。实验结果表明该可视化方法能够高效形象地在三维地球场景下展现理想条件与干扰条件下的雷达探测范围,为指挥员洞察战场态势提供支持。     

三维海战场雷达探测可视化研究与实现

雷达探测可视化是战场态势展示中的重要组成部分,是作战态势推演、态势评估等的必要依据。针对三维海 战场雷达探测可视化需求,深入研究了多干扰下雷达探测问题,给出了探测范围三维可视化模型和相应的绘制方法, 结合三维海战场环境、动态目标、干扰机干扰等战场态势要素,实现了三维海战场多干扰下雷达探测的动态绘制,从而 丰富了战场态势的展现内容,增强了三维海战场指挥决策能力。     

基于势场函数战场态势可视化分析方法研究

利用战场势场函数方法提出了基于人工势场、时变人工势场的态势分析评估模型,通过建立的多层时变人工势场分析方法得到战场空间态势的多视图评估,为战场敌我双方力量对比、威胁评估、敌方战术意图识别等判断以及为作战指挥决策提供决策支持。通过仿真战场态势想定平台生成剧情证明了基于势场函数可视化分析方法的可行性。     

基于Skyline的战场态势系统研究与实现

传统的战场态势系统主要是基于实物或二维GIS开发,一般停留在二维层面上的展示。本文提出的基于Skyline的战场态势显示,利用Skyline提供的3D控件技术,对战场元素、作战单元进行真实建模,实现了真正意义上的三维战场可视化。同时,采用二、三维联动的方法,更加全面准确地展示战场环境,直观地反映出作战单元的动态性和交互性,为作战指挥及作战决策提供强有力的参考支持。     

MapX在战场态势可视化中的应用

二维态势显示是分布式交互作战仿真系统中必不可少的功能,为此,设计了一个模块化的二维态势显示系统,描述了各模块的功能,最后介绍了基于MapX进行系统开发的关键技术,实现了仿真战场地理环境和仿真实体状态动态更新的可视化。     

基于CCU的数字化战场构建方案研究

通过分析初级数字化战场数据链路功能局限,提出一种基于多系统集成、功能优化、指挥扁平的战场可视化改进方案。该方案以通信控制器为链接工具,综合运用无线通信模式和有线通信模式将任意战场单元变成整个通信网络的一个信息节点,建立空天一体的可视化战场体系,完成链路互联互通与数据共享,从而实现战场态势的实时可视和准确可控。     

基于原模型的不规则队标的三维可视化方法

三维态势可以形象逼真地显示战场态势,线状和面状不规则队标的处理是其中的重点和难点.提出了一种基于原模型的通用三维队标可视化方法,该方法以原模型作为队标显示的平台,队标的几何形态使用纹理来反映,具体实现了静态、动态原模型的地形匹配和路径匹配以及二维队标图形到原模型的纹理映射.实际应用表明,该方法具有良好的可视化效果,可以方便地处理所有类型的不规则队标,具有通用、简单、灵活、效率高的特点,可用于各种三维态势处理系统中.     

基于混合增强智能的战场态势认知研究

针对战场态势感知存在的不足,将其拓展到战场态势认知范畴,提出了混合增强认知战场态势的概念。通过分析当前态势认知所遭遇的瓶颈,给出了混合增强战场态势认知的基本架构,并进一步探讨了混合增强战场态势认知存在的主要矛盾,可为战场态势认知体系构建提供参考。     

基于贝叶斯网络的态势估计方法

分析了态势估计的主要功能,提出态势估计系统以事件检测为核心和起点。分析了使用贝 叶斯网络进行态势估计知识表示问题,并对态势估计中的时空知识表示进行了探讨,提出了构建贝叶斯 网络进行态势估计的步骤,分析了态势估计系统事件的层次。给出一个具体的实例,演示了使用贝叶斯 网络进行态势估计的过程。     

OSC:一个开放式情景演算系统的研究

在经典情景演算系统的基础上引入了广义信念修正理论，构建了一个开放式情景演算系统OSC(open situation calculus)，克服了经典情景演算系统不能刻画交互通信能力以及对事件的响应处理能力的缺陷．OSC系统保留了经典情景演算系统中的情景流result-of(a，s)，用以刻画行动的影响；同时又引入了新的情景流bel-rev(φ，s)，用以刻画通信交互以及对事件的响应处理等具有开放性信息的活动．OSC系统采用了离线规划与在线执行相结合的运行方式，为面向agent程序设计语言、面向agent智能系统的设计开发等应用提供了有效途径．     

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。     

网络安全态势估计的融合决策模型分析

对网络安全态势估计的内在实质进行分析,指出网络安全态势估计实质上是利用网络安全事件的信息和知识,对网络安全态势进行不确定推理的过程。提出网络系统安全态势估计的三层模型。采用信息熵的理论和方法,定义网络安全态势估计的信息熵,证明多个检测器所获的安全事件信息经过融合处理后,网络安全态势估计的不确定性明显下降,论证信息融合思想在网络安全态势估计应用中的可行性。     

基于知识发现的网络安全态势感知系统

由于网络安全告警数据的复杂性和多样性,使得难以精确地分析和评估网络安全态势。通过总结网络安全态势感知的最新研究进展和现存问题,提出了一种基于知识发现的网络安全态势建模与生成框架,在该框架的基础上设计并实现了网络安全态势感知系统Net-SSA。该系统主要由安全态势建模和安全态势生成两部分组成。安全态势建模就是基于D-S证据理论构建适应于度量网络安全态势的形式模型,用于支持态势传感器的安全事件融合和关联分析。安全态势生成就是通过知识发现方法,挖掘网络安全态势数据集中的频繁模式和序列模式,并且将其转化成安全态势的关联规则,从而支持网络安全态势图的自动生成。通过相应的实验过程和结果分析,表明该系统能够支持网络安全态势的准确建模和高效生成。     

基于数据仓库的网络态势感知系统研究与设计

网络态势感知是网络管理的新技术。本文在分析现有的网络态势感知模型的基础上,建立一个基于数据仓库的网络态势感知系统的概念模型和体系架构,分析网络态势感知系统中重点模块,为下一步网络态势感知系统的实施提供理论基础。     

Learning Situation Models in a Smart Home

This paper addresses the problem of learning situation models for providing context-aware services. Context for modeling human behavior in a smart environment is represented by a situation model describing environment, users, and their activities. A framework for acquiring and evolving different layers of a situation model in a smart environment is proposed. Different learning methods are presented as part of this framework: role detection per entity, unsupervised extraction of situations from multimodal data, supervised learning of situation representations, and evolution of a predefined situation model with feedback. The situation model serves as frame and support for the different methods, permitting to stay in an intuitive declarative framework. The proposed methods have been integrated into a whole system for smart home environment. The implementation is detailed, and two evaluations are conducted in the smart home environment. The obtained results validate the proposed approach.     

基于深度学习的电网安全态势感知方法

为了提高电力网络的安全性,实现电力网络的可持续运行,引入深度学习神经网络,开展对电力网络安全态势感知方法的设计研究,以此提出一种全新的安全态势感知方法。本文采用电力网络安全态势评估指标,结合各类电力网络环境因素,对未来可能发生的电力网络变化趋势进行预测;明确电力网络安全态势评估指标及其相关表述含义后,对电力网络安全态势风险进行综合量化,通过划分电力网络安全态势风险量化及等级,构建基于深度学习的电力网络安全态势预测模型,验证模拟安全态势感知预测结果。通过真实电力网络算例的方式,得出新的安全态势感知方法应用在现实电力网络运行环境中时,能够实现对其安全等级的精准预测,可以为电力网络的可持续运行提供安全保障条件,具有一定的实用性。     

用于态势评估中因果推理的贝叶斯网络

1 引言贝叶斯网络是由R.Howard和J.Matheson于1981年提出来的,它主要用来表述不确定的专家知识。后来经过J.Pearl,D.Heckerman等人的研究,贝叶斯网络的理论及算法有了很大的发展。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已经得到了广泛的应用,例如概率专家系统、计算机视觉和数据挖掘等。