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。     

直升机任务效能评估系统的态势估计方法研究

现代战争环境越来越复杂,态势瞬息万变,针对战场的复杂性和信息的不确定性,迫切需要实时的,准确的信息来辅助指挥员进行决策.为此阐述了态势估计的内容和实现方法,并应用贝叶斯网络技术建立了态势估计模型,对当前战场态势进行了初步评估,通过对已建立的网络模型进行态势推理,演示了应用贝叶斯网络进行态势估计的过程,为直升机任务效能评估系统提供了有利高效的估计结果,为指挥者提供了有效的决策信息.     

基于贝叶斯网络的态势估计研究

作为一种知识表示和进行概率推理的框架,贝叶斯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.分析了使用贝叶斯网络进行态势估计知识表示问题,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.最后,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.     

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.     

动态贝叶斯网络在战术态势估计中的应用*

针对战术态势估计的特点和要求,分析和建立了应用于态势估计的动态贝叶斯网络模型。该模型以离散变量集为研究对象。由于该动态贝叶斯网络满足Markovian特性和平稳特性,降低了网络的复杂度。相比较于贝叶斯网络模型,该动态贝叶斯网络模型考虑了时序因素,将前时刻的态势因素作为当前时刻态势估计的证据的一部分,并能对下一时刻的态势进行预测。文中采用集树（junction tree）算法,利用相关的贝叶斯网络推理软件进行了实验,实验结果表明基于动态贝叶斯网络的估计结果较贝叶斯网络的估计结果好,验证了该模型的有效性。     

基于贝叶斯网络约简的铁路应急决策方法

为了解决决策属性的冗余问题,降低决策推理过程的复杂性,实现在信息不完备情况下铁路应急决策的智能化,基于粗糙集理论与贝叶斯网络提出一种新的铁路应急决策方法。利用基于信息熵的粗糙集知识约简方法提取最小决策信息集,实现对应急态势信息集的约简,从而减少态势网络节点数目,降低贝叶斯网络的复杂性。基于约简后的贝叶斯网络模型实现了铁路应急态势预测的概率决策推理。案例分析表明该方法能够满足铁路应急决策需求以及在信息不完备条件下的有效性。     

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。     

基于动态贝叶斯网络的防空作战威胁估计

准确的对战场目标威胁等级进行评估,是战场辅助决策系统的重要环节。通过对威胁估计过程的理解,全面分析了影响威胁等级的评估参数,建立了威胁估计的贝叶斯网络模型,并采用动态贝叶斯网络推理方法进行威胁估计,使目标的各个特征因素以及不同时间片的同一特征因素相互修正,克服了由于专家系统的评估所造成的不确定性和主观性,最后进行了仿真。仿真结果表明,基于动态贝叶斯网络的威胁等级评估算法是一种有效的评估算法,其结果能够比较准确地反映威胁源的真实威胁程度。     

释案推理原理及其在态势估计中的应用

态势估计就是从当前相关对象间的关系中推导出有意义的结论,形成态势分析报告、情况判断结论和战场综合态势图,为决策和指挥提供支持.论文提出了基于释案推理的态势估计方法,该方法是“大胆猜测”敌作战意图和行动预案,然后根据实时检测到的事件“小心求证”敌作战意图和行动预案.当事件的发生对“大胆猜测”的结论支持比较小或相矛盾时,放弃原猜测,并根据以往事件作出新的猜测和动态调整战场态势图,达到为瞬息万变的战场决策提供充裕时间的目的,案例仿真证明基于释案推理的态势估计方法是有效的.     

贝叶斯网在态势评估中的应用

作为一种知识推理和进行概率推理的框架,贝叶斯网络在具有内在不确定性和决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用贝叶斯网找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能。根据态势与实践之间不同的连接关系建立了态势评估的贝叶斯网络模型,并分别介绍了相应的信息传播算法,最后一个实例来说明该网络的计算过程。     

基于高斯云贝叶斯网络的空战态势评估

对空战态势评估中需要考虑的因素进行了分析,建立了基于高斯云贝叶斯网络的空战态势评估模型,并利用高斯云贝叶斯网络的推理方法进行了仿真计算。仿真结果表明,该方法可以给出敌机的态势评估值以及以概率的方式给出敌机对我机的态势等级,为空战态势评估提供了新的思路。     

机载光电系统目标威胁估计的模糊贝叶斯网络方法

针对机载光电传感器系统所能够提供的目标特征信息,提出利用模糊贝叶斯网络理论建立目标威胁估计模型来辅助决策者进行威胁判断.模型首先研究了机载光电传感器所能提供的目标特征及其对威胁程度的影响;然后选取合适的特征值并利用模糊理论方法对其进行模糊划分,从而建立了目标威胁估计的模糊贝叶斯网络模型,最后通过贝叶斯网络推理算法获得目...     

Causal independence for probability assessment and inference usingBayesian networks

A Bayesian network is a probabilistic representation for uncertain relationships, which has proven to be useful for modeling real-world problems. When there are many potential causes of a given effect, however, both probability assessment and inference using a Bayesian network can be difficult. In this paper, we describe causal independence, a collection of conditional independence assertions and functional relationships that are often appropriate to apply to the representation of the uncertain interactions between causes and effect. We show how the use of causal independence in a Bayesian network can greatly simplify probability assessment as well as probabilistic inference     

对弧进行删除的Bayes网络近似方法

弧的删除是一种对Bayes网络模型进行近似的方法。文中以Kullback-Leibler偏差作为近似网络和原网络概率分布误差的测度,给出了近似网络在此测度意义下的最优参数。同时,也给出了通过对原网络删除多条弧进行近似的启发式算法,当给定一个误差上界时,可以使用此算法寻找满足误差要求的近似网络。     

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。     

一种网络环境中故障诊断与维修决策方法

本文将贝叶斯网络引入到大型网络故障管理系统中，从贝叶斯网络推理模型与故障诊断和维修决策问题的一致性出发，提出了基于故障假设、观测和维修操作节点结构的DBN模型，并详细阐述了模型的内涵和故障诊断知识构成要素     

基于贝叶斯网络的装备保障能力评估建模研究

装备保障能力的评估能够为装备保障指挥决策提供有力支持,评估建模是进行评估的重要部分.影响保障能力的因素具有非线性、开放性和不确定性等特点,贝叶斯网络能够有效处理此类问题.该文将贝叶斯网络应用到装备保障能力评估建模,采用结构化方法,提出了基于贝叶斯网络的装备保障能力评估建模流程,分析了每个过程中需要解决的问题.通过应用案...     

Research on the Application of Bayesian Network in Agriculture Intelligent System

Bayesian network is a strong tool for uncertain knowledge representation and inference. This paper mainly introduces some technologies and methods about Bayesian network based on intelligent system. In the construction of Bayesian network, divorcing technology and noisy-or technology are used. In the inference of Bayesian network, VE algorithm and sampling algorithm are introduced. Finally, Bayesian network construction component and inference component are developed. Then an expert system about cow disease diagnosis is constructed based on the two components.