基于动态云贝叶斯网络的舰艇防空目标威胁评估

针对目标威胁评估中信息表达的不确定性以及威胁评估模型专家网络结构的主观性,提出一种基于结构学习的动态云贝叶斯网络评估模型.首先,利用云模型良好的知识表达能力定量描述不确定连续性信息;其次,使用爬山算法进行结构学习,综合专家提出的网络结构构建贝叶斯网络;接着引入时间变量,将其扩展成为动态贝叶斯网络,然后用最大似然概率估计...     

面向海空战场的随队协同编队威胁评估模型

针对随队协同编队威胁评估的复杂性,从敌我对抗的角度出发,提出贝叶斯网络的评估方法,解决从单一角度和状态进行威胁评估的不足.针对评估因素的不确定,给出模糊化的处理思路.同时,采用贝叶斯估计法确定评估网络的条件概率表,克服专家直接给出条件概率表的缺陷.最后,实例仿真验证了评估模型的有效性.     

基于模糊贝叶斯网的威胁等级评估研究

针对现代复杂战场环境下威胁等级评估信息的不确定性,结合模糊数学及贝叶斯网提出了基于模糊贝叶斯网的威胁等级评估方法。在充分考虑威胁源相对于UCAV的距离、方位角对其隐身能力影响的基础上,从不确定性知识的概率化入手,综合天气、威胁类型、距离、方位角等不确定因素对威胁等级进行评估,采用加拿大Norsys软件公司的Netica软件建立贝叶斯网威胁评估模型并进行仿真。结果表明,该方法能快速、准确地评估威胁等级,具有一定的参考价值。     

山地条件下的无人机气象威胁度建模与评估方法

针对无人机在山地条件下飞行时气象威胁因素复杂多变,提出一种基于贝叶斯网络的山地气象威胁度建模与评估方法。结合专家知识与EM算法构建贝叶斯网络模型,利用多树传播推理算法对山地气象要素进行威胁等级评估。评估结果表明,基于贝叶斯网络的气象威胁度评估能够正确直观地划分山地气象要素对无人机的威胁等级,对无人机智能决策具有重要意义。     

基于贝叶斯网络的战场目标威胁评估

准确地对战场目标的威胁等级进行评估,是战场辅助决策系统的一个重要环节.贝叶斯网是一种进行不确定分析和推理的有效方法.介绍了联合树贝叶斯网络推理算法,分析了战场目标的威胁等级评估涉及的主要因素,建立了相应的贝叶斯网络模型,并进行了实例推理分析,其结果比较准确地反映了目标的威胁程度.     

空中目标威胁等级评估方法研究

本文提出了一种空中目标威胁等级评估方法,该方法运用了动态贝叶斯网络进行推理、结合专家知识以及对选取高斯分布函数对威胁要素进行量化,构建了基于动态贝叶斯网络的目标威胁等级评估模型。仿真结果表明:该模型可以有效的确定目标当前的威胁等级,该方法符合人类的推理过程。     

基于综合推理的威胁代价动态评估

针对作战飞机突防过程中威胁代价评估问题提出综合推理方法,引入离散动态贝叶斯网络算法,构建威胁源自主识别网络模型,引入基于最大综合拦截概率的威胁代价评估算法,形成瞬时跟踪概率、连续跟踪概率、杀伤概率等的综合计算模型。通过仿真分析表明,该方法针对地面威胁源实现了自主分类识别和优化代价解算。     

电子系统电磁脉冲易损性评估的分层贝叶斯网络模型

针对电子系统电磁脉冲易损性评估问题,提出了基于分层贝叶斯网络的电子系统电磁脉冲易损性评估模型建模方法.分析了电子系统分层结构特征及其电磁脉冲效应的特点,应用电磁拓扑理论中的相互作用顺序图分析系统电磁耦合途径,确定系统内底层屏蔽区域节点,研究了相互作用顺序图与系统分层贝叶斯网络的拓扑关联关系,在系统分层贝叶斯网络模型中增加底层屏蔽区域节点层,从而建立系统易损性评估模型,并给出了相应的建模步骤.最后以某电子机械传动系统电磁脉冲易损性评估问题为例说明了建模和计算过程.     

基于贝叶斯网络和分层模型的输电线路状态评估

根据贝叶斯网络理论,本文提出了一种基于贝叶斯网络和分层模型的输电线路状态评估方法,建立了输电线路运行状态评估的数学模型。首先将架空输电线路的运行状态分为三类:良好运行状态、注意运行状态和不良运行状态。根据输电线路实际运行环境、线路结构等各方面的情况,建立状态评估分层模型。然后对输电线路的杆塔、绝缘子、金具、导地线、基础及接地装置五个主要部件分别进行状态评估,得出每个部件的三个运行状态概率以后,经过加权处理,运用贝叶斯网络的基本理论得出整条输电线路三个运行状态概率,从而实现对输电线路的运行状态评估。同时还可以根据整条输电线路状态评估结果,反推计算出当整个输电线路处于不良运行状态时,每个部件处于不良运行状态的概率,从而可以分析得出线路的薄弱环节。     

动态贝叶斯网络在战场态势估计中的应用

贝叶斯网络用于态势估计时,系统参数不能及时调整,无法对未来时刻进行预测。为解决这一问题,对动态贝叶斯网络在战场态势评估中的应用进行了研究,引入时间因素,建立了网络模型,分析了概率参数与推理的过程,并利用卡尔曼滤波模型法对推理进行仿真实验。实验结果表明了动态模型推理的有效性。动态贝叶斯网络可以有效利用侦察数据中的时间信息,实时动态地处理影响分析和决策的种种因素,对指挥员的作战决策具有极大的参考价值。     

融合遗传算法与BP神经网络的气象威胁度建模与评估

针对无人飞行器航迹规划中的气象威胁要素模糊性强、复杂多变等特点,提出一种融合遗传算法与BP神经网络的气象威胁度评估方法。利用遗传算法的全局寻优能力优化BP神经网络的初始参数及结构,结合GA-BP神经网络对气象威胁度进行建模与评估。通过Matlab仿真验证,结果表明该方法能够准确评估气象威胁度,与BP神经网络相比,具有更快的收敛速度、更好的全局收敛性,提高了评估效率与准确度。     

基于动态贝叶斯网络的低慢小目标威胁评估北大核心CSCD

针对复杂地形下低慢小目标难以防御的难题,本文分析并研究对于与低慢小目标威胁评估具有影响作用的因素,提出一种基于动态贝叶斯网络的威胁评估方法。基于低慢小目标的威胁属性,构建动态贝叶斯网络拓扑,利用贝叶斯理论推理出威胁值;并通过仿真试验验证该种基于动态贝叶斯网络的方法在对低慢小目标进行威胁评估是可行的。     

小数据集BN建模方法及其在威胁评估中的应用

贝叶斯网络是数据挖掘领域的主要工具之一。在某些特定场合,如重大装备的故障诊断、地质灾害预测及作战决策等,希望用少量数据得到较好的结果。因此,本文针对小数据集条件下的贝叶斯网络学习问题展开研究。首先,建立基于连接概率分布的结构约束模型,提出I-BD-BPSO（Improved-Bayesian Dirichlet-Binary Particle Swarm Optimi-zation）结构学习算法;其次,建立单调性参数约束模型,提出MCE（Monotonicity Constraint Estimation）参数学习算法;最后,应用所提算法构建威胁评估模型并应用变量消元法进行推理计算。实验结果表明,在小数据集条件下,本文的结构学习算法优于经典的二值粒子群优化算法,参数学习算法优于最大似然估计、保序回归及凸优化算法,并能够构建有效的威胁评估模型。     

空战态势评估与威胁估计研究

提出了机载数据融合系统的概念．对空战中的态势评估从空情态势元素提取、当前空中态势判定及未来空中态势预测三方面进行了分析．对空战中威胁估计的流程从威胁元素提取、威胁合成、威胁等级确定三个阶段进行了描述。     

基于变权模糊综合评判的目标威胁评估算法

研究了预警机指挥多编队作战对空中突防目标进行威胁评估的问题.首先介绍了模糊数学中的模糊变换和模糊综合评判原理,然后以预警机指挥控制系统为例,基于多属性决策,分析了与目标威胁程度大小有关的6个重要因素,建立目标的威胁评估模型,最后提出基于变权模糊综合评判的目标威胁评估算法.由于是同时考虑各因素对于威胁准则和内部之间的相对重要性得到的权值,使得该算法的权值分配结果更加准确,有效弥补了专家主观赋值的不足.通过算例分析,验证了变权思想下该算法的有效性以及精度更高的优点.     

利用主客观集成赋权法的多目标威胁评估

在利用逼近于理想解的排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)进行多目标威胁评估时,针对如何获取合理的目标威胁评估因子的权重比,提出了一种主客观集成赋权方法。该方法首先利用主观赋权法和客观赋权法获取两组权重值;然后,通过构造多目标规划模型,将两组权重值进行综合处理,得到更合理的权重值。仿真结果表明,相较于主观赋权法和客观赋权法,所提方法计算出的威胁评估因子的权重值,在用TOPSIS法计算目标威胁评估时,能够得到更加合理、有效的评估结果。     

基于LSRBF神经网络的空战目标威胁评估

提出了-种基于Log-Sigmoid型径向基(简称LSRBF)神经网络的空战目标威胁评估方法.采用威胁指数法量化各因素的威胁度,运用工程模糊集方法确定因素的权重系数,在此基础上合成目标总的威胁指数,作为网络的初始训练样本.根据专家经验对不合理样本进行调整校正,得到最终的训练样本,供LSRBF神经网络训练使用.采用标准梯度下降法与指数梯度下降法相结合的学习算法,保证网络具有较强的鲁棒特性.仿真实验结果表明,LSRBF神经网络具有很好的函数逼近性能,可以成功地完成空战目标的威胁评估.