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.     

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。     

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.     

结合模糊逻辑的贝叶斯网络在态势评估中的应用

在对数据融合模型和态势评估方法研究的基础上,提出了用模糊逻辑和贝叶斯网络技术结合的方法来处理随机环境中的态势评估。利用传感器获取的信息对整个战场态势作出全面的评估,为在不确定性的动态环境中指挥控制决策提供支持,并对关键技术进行了仿真实验。     

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。     

实现态势估计的一种推理方法

1 引言美国联合领导实验室(JDL)数据融合小组(DFS)建立数据融合处理模型肥数据融合分为三级;一级是对目标位置和身份的估计;二级是对敌、我军事态势估计;三级是敌兵力威胁估计。态势估计接受一层融合的结果,从中抽取对当前军事态势尽可能准确、完整的感知,为指挥员决策提供直接的支持,是C~3I系统的“高级神经中枢”。目前态势估计尚没有完整的定义,一种功能性描述认为:态势估计是根据参战各方力量     

态势估计贝叶斯网络的面向对象知识表示方法

知识表示是大规模贝叶斯网络的一个难题。论文以Koller提出的面向对象贝叶斯网络为基础,讨论态势估计贝叶斯网络的面向对象知识表示方法,并以关系数据库实现网络的存储与访问。     

用于态势估计的一种构造贝叶斯网络参数的方法

根据态势估计的特点和要求,采用Leaky noisy-or gate模型的方法构造,并将其应用于整个贝叶斯网络中。该方法以离散变量集为研究对象,由于满足构成Leaky noisy-or gate模型的条件,能够利用部分统计信息构造节点的网络参数。文中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,使用Leaky noisy-or gate模型的方法,对网络参数进行构造是可行的。     

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.     

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。     

基于云贝叶斯网络的目标威胁评估方法

将云模型和贝叶斯网络相结合,形成云贝叶斯网络,并建立了基于云贝叶斯网络的威胁评估模型.首先,根据实际应用背景确定贝叶斯网络结构,并对连续型观测节点进行云模型转换;然后,将观测变量值输入云贝叶斯网络,推理得到目标属于各个威胁等级的概率;最后,为消除目标信息的不确定性对总的威胁度的影响,进行了多次重复推理,通过概率合成公式求得最终的威胁程度.以联合防空作战为背景,仿真实现了空中目标的威胁评估,验证了该方法的有效性.     

态势估计模型的研究与实现

态势估计属于数据融合中的二级融合,它的目标就是在一级融合的基础上,通过对各个作战对象行为、状态、事件、企图及其关系的分析,给出参战各方力量部署、作战能力、效能尽可能准确、完整的军事态势估计和感知,并对战术画面进行解释,辨别敌方意图。但现代战争涉及到的作战对象多、协同关系复杂、战术机动频繁,建立一个完善的态势估计模型存在很多困难。该文提出了基于态势觉察、态势理解和态势预测的三级态势估计功能模型;给出了基于模板的计划识别推理框架,重点讨论了基于多级分层黑板模型在态势估计中的应用。     

网络态势感知系统研究综述

开展网络态势感知系统NSAS（Network Situation Awareness System，也称Cyberspace Situation Awareness System）的研究，对于提高我国网络系统的应急响应能力，缓解网络攻击所造成的危害，发现潜在恶意的入侵行为，提高系统的反击能力等具有十分重要的意义。本文首先给出了态势感知的概念及发展NSAS的必要性；其次介绍了网络态势感知的概念，并对相关概念以及NSAS与IDS（Intrusion Detection System）的区别与联系进行了讨论，详细综述了国内外NSAS的研究现状。以此为基础提出了NSAS的框架．并着重对相关的关键技术与难点问题进行了论述。最后给出了NSAS今后的发展方向。     

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。     

基于贝叶斯分类器的高校学生信用评价模型

个人信用体系是社会信用体系的基础,而高校学生个人信用评价体系是社会信用体系下个人信用建设的重要组成部分以大学生群体为试点,选取与评价对象密切关系的13个指标建立大学生信用评价指标体系,并利用贝叶斯网络分类器的原理建立高校学生个人信用评价模型.模型结合关联分析的方法来寻找属性变量间的依赖关系,提出了模块化属性结点的思路,能同时实现用户信用分类和用户群体细分的功能.数据实验结果表明,模型有较好的信用评价分类效果.