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.     

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。     

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。     

贝叶斯网络在态势估计中的应用

战场态势分析是指挥决策的基础,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。该文介绍了贝叶斯网络推理算法,分析了态势估计问题的本质特征和推理模式。提出了将贝叶斯网络用于态势估计,建立态势估计推理模型,该模型能够进行融合推理得到完整的战场态势信息,为决策提供依据。     

基于预测能力的贝叶斯网络分类器学习

分析了贝叶斯分类器家族中有代表性的分类器;给出变量之间预测能力的概念及估计方法,在此基础上建立了基于变量间预测能力的贝叶斯网络分类器结构学习方法,并使用UCI数据进行分类实验.实验结果显示,该方法能够有效地进行贝叶斯网络分类器学习,使得贝叶斯网络分类器倾向于简单化,具有较强的分类能力.     

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.     

混合贝叶斯网络在电磁态势估计中的应用

根据电磁态势估计原理,建立含连续值结点和离散值结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况.首先确定混合贝叶斯网络的结构,然后通过生成服从Dirichlet分布的随机数获得离散值输入结点的先验概率,根据卡尔曼滤波的结果(状态估计向量、估计协方差)确定连续值输入结点的先验概率:在连续值结点均服从线性高斯分布的假设下,通过时非线性、不连续函数进行一阶泰勒级数展开确定中间结点和输出结点的条件概率分布.仿真实验表明,混合贝叶斯网络是解决电磁态势估计问题的一种有效方法,且威胁估计的精度高.     

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。     

基于变参数动态贝叶斯网的态势评估

针对态势估计系统建立过程中不确定性的知识表示问题,探讨了采用变参数动态贝叶斯网络进行态势评估的方法的必要性和可行性,构建了一种自适应变参数动态贝叶斯网的态势评估系统,提出了基于变参数动态贝叶斯网络的态势评估优化算法,利用数据挖掘技术实现了态势评估变参数的学习;实验结果表明该方法可以通过实时数据动态地修改、完善评估知识库及模型库的信息,使评估模型自适应战场形势的变化,以获得更准确评估结果.     

MEBN: A language for first-order Bayesian knowledge bases

Although classical first-order logic is the de facto standard logical foundation for artificial intelligence, the lack of a built-in, semantically grounded capability for reasoning under uncertainty renders it inadequate for many important classes of problems. Probability is the best-understood and most widely applied formalism for computational scientific reasoning under uncertainty. Increasingly expressive languages are emerging for which the fundamental logical basis is probability. This paper presents Multi-Entity Bayesian Networks (MEBN), a first-order language for specifying probabilistic knowledge bases as parameterized fragments of Bayesian networks. MEBN fragments (MFrags) can be instantiated and combined to form arbitrarily complex graphical probability models. An MFrag represents probabilistic relationships among a conceptually meaningful group of uncertain hypotheses. Thus, MEBN facilitates representation of knowledge at a natural level of granularity. The semantics of MEBN assigns a probability distribution over interpretations of an associated classical first-order theory on a finite or countably infinite domain. Bayesian inference provides both a proof theory for combining prior knowledge with observations, and a learning theory for refining a representation as evidence accrues. A proof is given that MEBN can represent a probability distribution on interpretations of any finitely axiomatizable first-order theory.     

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。     

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。     

基于MEBN的大型舰船舰面保障作业检测

大型舰船舰面保障作业指驻扎于大型舰船的飞机的一次出动过程中,发生于舰面的针对飞机的出动回收准备活动（如飞机调运、物资转运、飞机滑跑起飞等）。基于舰面监控视频检测舰面保障作业,利于分析并提高保障作业效率。在大型舰船携带的机群出动过程中,各飞机的保障作业同时进行,涉及数以百计的操作员、高级器械及设施设备的协作。针对大型舰船舰面保障作业检测问题中,同一视频场景内同时发生多个保障作业且参与者位置交叉、重叠的难点,提出一种基于多实体贝叶斯网络的大型舰船舰面保障作业检测技术。该技术假设在视频数据预处理阶段获取视频中各目标物清晰连贯的运动轨迹;在保障作业检测阶段,输入目标物轨迹,先基于带约束的轨迹自动聚类算法,自动计算聚类个数,并将参与同一保障作业的轨迹聚至同一类;在各聚类内,采用基于MEBN的保障作业识别技术,推断保障作业类型。大型舰船舰面监控视频数据集上的实验表明,该方法对同一视频场景中同时发生的且参与者位置交叉的舰面保障作业具有良好的检测效果。     

智能化战术飞行轨迹规划方法研究

对态势评估与规划系统进行集成,提出了智能化战术飞行轨迹规划系统方案.基于贝叶斯网络和模糊推理技术,实现了战场威胁级别及其相对重要性程度的综合评估.利用模型预测控制的滚动优化和在线校正原理,实现了飞机在线飞行路径规划.建立了路径规划代价函数中加权因子的智能化分配方法,进而实现了威胁评估与路径规划之间的集成,使得路径规划系统能够自适应战场态势的动态变化.最后通过仿真验证了所提出方法的有效性.     

电信数据网的资产分类概述

在对电信数据网进行安全评估迫在眉睫之时,首要问题是确定需要评估的对象。本文结合目前我国电信网实际情况,对数据网中需要评估的资产进行了分类概述,主要从物理资产、服务资产和信息资产及其它们之间的相互关系角度出发进行分类,从而为下一步的评估工作做好准备。     

一种基于似然BP的网络安全态势预测方法

态势预测是网络安全态势感知的高级阶段.为了解决依赖于专家赋予权值、缺乏自学习的态势数据处理方法在复杂网络系统中的局限,提出了一种基于似然BP的网络安全态势预测方法,将BP神经网络引入态势预测领域,并用极大似然误差函数代替传统的误差函数,通过态势评估模型建立的态势序列作为训练输入序列,在反向传播过程中实现对指定参数权值的自学习调整,该方法能充分利用网络越复杂、粒度越细、效率就越高的特点,实验表明了该方法具有较好的态势预测效能,为网络安全态势预测提供了一种新的解决途径.