基于MEBN的战术级空中目标意图识别

战术级空中目标意图识别是现代化防空作战中理解战场态势、预测目标行动的关键.构建空中目标意图识别模型的核心问题是如何表示不确定的意图因素以及它们之间的关系.分析了具有典型防空作战意义的想定,并结合军事经验总结了影响意图识别的因素.提出了应用多实体贝叶斯网络(Multi-Entities Bayesian Network)描述空中目标意图,在贝叶斯推理中融入逻辑理论,采用具体的基于知识的SSBN构建算法动态地进行空中目标意图识别.通过仿真实验,验证了此方法的有效性和可行性.     

无监督神经网络的潜艇对空战术意图识别

传统的通过遥感系统获取空中目标信息,解析出目标战术意图的方式,需要大量的专家评估计算网络节点及权重,具有速度慢,耗费大等缺点。为了降低潜艇对空战术意图识别时间,发挥无监督学习神经网络的计算能力。利用遥感获取的空中目标属性与目标战术意图形成训练样本训练神经网络,获得输入目标属性的阈值及竞争层神经元间的关系,建立输出函数,识别空中目标的战术意图。仿真结果表明,竞争神经网络与自组织特征映射(SOFM)神经网络训练的测试样本的输出值与真实值相对应,准确度较高。     

基于贝叶斯推理的海战场空中目标意图分层识别方法

针对海战场敌方空中目标意图识别方法都是一次性完成空中目标的意图识别,会在运算过程中带来消耗时间较多、效率较低的问题展开深入研究,在给出了海战场敌方空中目标相关特征参数计算和筛选公式的基础上,结合目标意图特点,依据指挥员的思维逻辑,提出了一种基于贝叶斯推理的海战场敌方空中目标意图分层识别新方法。该方法运用分层思想实现对更关注的目标意图更快捷的贝叶斯推理识别,可作为常规方法的简化过程,因此,可减少消耗时间,提高识别效率。基于实测数据的仿真实验验证了所提方法的有效性。     

一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验。结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果。因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能。     

空中目标战术意图层次推理框架及实现

以提高对空态势感知能力为目的,着眼于构建以专家系统为特征的目标意图推理决策支持系统,首先根据目标意图的含义从意图、行动和状态三个层次进行了层次表示,并简要分析了实现意图推理的六种途径.根据空中目标的作战使用等领域知识将其意图从属性类型、战术类型、威胁类型和任务类型四个层次进行了分解.基于意图推理输入信息的分布性特征以及意图的层次分解建立了基于判定树的意图层次推理框架以及数据驱动的推理控制机制.该框架为建立空中目标战术意图的推理实现方法提供了重要的依据.     

空中目标战术机动类型的实时识别

空中目标的战术机动类型是识别其战术意图的重要依据.根据空中目标战术机动类型的特点,采用时间序列编码表示空中目标战术机动类型,推导了空中目标转向机动的判据,提出了机动动作之间的相似度计算模型,建立了空中目标战术机动类型的识别算法.最后提出了识别算法的仿真验证方法.     

一种空中目标的不确定性威胁程度预测模型

目标威胁预测是对空态势和威胁估计的重要内容.针对空中目标飞行控制的基本特点,建立了基于经验公式的空中目标不确定性位置预测模型,进一步推导了不确定性威胁概率预测的模型和实用算法.仿真结果证明了模型的有效性,可用于多类空中目标意图推理及威胁判断.     

意图驱动的防空武器-目标动态分配方法

武器-目标分配是防空作战指挥决策的重要内容之一,针对此问题大多数的研究都过多考虑己方的态势和有限的目标信息,对敌方目标意图的认知鲜有涉及,结合空中目标作战意图,提出一种意图驱动的防空动态武器-目标分配方法。考虑到敌机的行为对我方决策产生的影响,对采集到的敌机群数据,将专家经验封装为标签,训练融合注意力机制的双向长短期记忆网络（BiLSTM-attention）进行意图识别,根据敌方不同作战飞机的意图,以及敌机的被动属性、我方武器属性、战场环境信息和实时动态信息,提出了意图驱动的武器-目标分配模型（intent-WTA）,使用费用流算法在较短的时间内准确获得最优的武器-目标分配策略,实验仿真结果表明,所提方法可以准确、高效地根据战场局势的动态变化进行武器-目标分配,满足防空作战的实战要求。     

防空系统中空中目标威胁评估方法研究

针对当前对空中目标威胁评估研究的不足，提出了一种防空系统中评估目标威胁度的新方法，其思想在于将空中目标的威胁因子分为定量指标和定性指标，其中定量指标包括目标速度、目标高度等可以直接获取的指标，该部分指标通过隶属函数直接得到威胁值；定性指标包括目标类型、目标意图等不能直接获取的指标，通过贝叶斯网络进行推理以得到静态威胁值。最后通过AHP 方法对各个指标威胁值进行加权得到总威胁值。该方法的特点在于定性分析与定量分析的结合，通过仿真算例验证了该方法的有效性与可行性。     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

基于BP和Hopfield神经网络的航空肼燃料保障安全评价

针对航空肼燃料保障安全评价的复杂性和非线性,提出并建立了基于BP和Hopfield神经网络的动态安全评价模型。在综合分析国内外肼燃料保障安全评价的基础上,针对航空肼燃料保障过程中出现的问题,构建并优化了指标体系,选取前馈神经网络中的BP网络和反馈神经网络中的Hopfield网络建立评价模型。在详细说明了BP和Hopfield神经网络的构建方法后,进行实例验证,并对预测效果进行了比较分析。仿真表明,两种模型都能正确评价安全保障状态。但在收敛速度、联想记忆功能方面Hopfield神经网络优于BP神经网络。将BP和Hopfield神经网络用于肼燃料保障安全评价过程中,具有适用性和可行性,对于航空肼燃料保障的安全建设与安全管理研究具有重要意义。     

不确定条件下编队协同作战空中目标威胁评估

针对决策环境的不确定性,对不确定条件下舰艇编队协同作战的空中目标威胁评估过程进行了深入研究;在此基础上,根据舰艇编队协同决策的特点,综合运用风险型多属性决策理论,建立了满足不同决策层的舰艇目标威胁评估模型和编队目标威胁评估模型,从而提出了不确定条件下编队协同作战的空中目标威胁评估方法。最后,通过实例说明了所提方法的有效性。     

基于贝叶斯网络的空中目标威胁估计方法研究

针对当前威胁估计中存在的问题,提出了基于贝叶斯网络的空中目标威胁估计方法。文章从威胁估计的概念出发,构建了基于贝叶斯网络的威胁估计功能框架,在对输入的防空作战事件进行分类定义的基础上,给出了事件关联在贝叶斯网络中的实现方法,同时对模型的建立步骤进行了说明。文中提出的威胁估计方法在融合了目标威胁先验信息的基础上,通过战场观测到的不确定信息进行推理,其结果具有很强的可信性,相应的建模思路可为威胁估计系统的构建提供有益的参考。文章的最后以一个示例说明了方法的有效性。     

警报关联图：一种网络脆弱性量化评估的新方法

作为一种基于模型的脆弱性分析技术,攻击图能够识别网络中存在的脆弱性和它们之间的相互关系,分析出可能的攻击路径和潜在威胁.论文在攻击图的基础上提出了警报关联图的概念,利用攻击图中蕴含的脆弱性先验知识,将实时IDS警报信息映射到攻击路径,动态反映攻击进程和攻击者意图.在此基础上提出了一种基于警报关联图的网络脆弱性量化评估方法,通过计算警报关联边的权值对网络脆弱性进行动态分析,这种方法结合了静态的网络脆弱性先验知识和动态变化的攻击者意图,能有效反映网络脆弱性在动态攻击情况下的变化.     

基于离散模糊动态贝叶斯网络的空战威胁估计

对空战中目标的各个特征因素进行了分析,建立了空战目标威胁估计的离散模糊动态贝叶斯网络模型,并利用离散动态贝叶斯网络的直接推理算法进行了仿真计算.仿真结果表明,该方法得到的推理结果与理论分析完全一致,而且能够将各种并不显著的特征因素进行综合,使得各个特征因素间及不同时间片的同一特征因素相互修正补充.为空战威胁估计提供了一种有效而准确的方法.     

基于BP神经网络的空中目标威胁排序

研究了BP神经网络算法对空中目标进行威胁排序的方法.水面舰艇对空防御作战中,舰载平台多传感器系统获得空中目标属性信息不完全,利用BP神经网络建立目标各属性权值的分配模型,通过大量的实例对模型进行训练,可以使所获得的空中目标属性信息得到充分利用,从而得到基本符合战场环境的客观的空中目标威胁排序.     

基于ANFIS的空袭目标攻击意图量化方法

为准确评估空袭目标的威胁程度和提高指挥员的防空决策水平,采用自适应神经模糊推理系统(ANFIS)对空袭目标的攻击意图量化分析。该方法将模糊推理和人工神经网络有机地结合起来,充分利用专家知识,综合集成了航向角攻击意图系数和高度攻击意图系数。仿真结果表明,建立的攻击意图量化系统反映了影响因素和攻击意图的映射规律,方法合理有效,能够为防空作战提供决策支持。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法，该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷，基于Tent映射提出混沌双扰动的思想，并加入粒子群算法的进化过程，实现对粒子群算法的改进；之后，利用该新算法训练BP神经网络的初始权值和阈值，建立目标威胁估计模型和算法；最后，将该方法应用于实例中进行仿真，结果表明该目标威胁估计新算法具有较高的准确度。     

基于灰色模糊的无线网络安全评估模型

无线网络的飞速发展使得网络安全的量化评估日益重要。结合网络安全属性和攻击属性两方面建立了无线网络安全评估指标体系,在此基础上,提出了基于灰色模糊的安全评估模型,并给出了量化评估的方法和步骤。最后通过实例进行了验证。