基于可能度的信息化战场目标价值评估方法

目标价值评估是指挥员确定目标打击顺序与强度的前提和基础,是战场火力运用的基本依据.针对目标价值评估指标信息的复杂性及不确定性,采用基于可能度的决策方法评估战场目标价值,充分利用了全部指标信息,为指挥员合理选择打击目标提供了科学依据.     

基于OKNN的目标战术意图识别方法

战术级意图识别为指挥员理解战场态势,制定接下来的作战计划提供辅助决策。意图识别模型的构建是态势分析过程中实体行为建模的难点之一。针对传统战术意图识别方法中战场态势不确定性的集成与传递,以及推理模板固化问题,在以获取目标动态作战知识用于解释敌方作战行动过程中行动要素的基础上,构建了目标战术意图推理框架;根据作战计划制定特点,提出了基于作战知识神经网络(operation knowledge neural network,OKNN)的目标战术意图识别方法。OKNN以空中目标群为单位,通过实时动态建立基于作战知识的实体片段集来增强模型推理的灵活性,模型基于经验的训练样本计划库,可动态自适应的调整目标战术意图空间分布结果,大大消减了不确定性的集成与传递。最后通过仿真实验验证了模型的有效性。     

C3I系统中的态势关联技术

态势关联是在态势估计前必须解决的一个问题,即要将不同时刻的态势数据进行关联,得到各个时刻态势数据中描述的目标间的关系。对时间间隔比较长的态势数据的关联,研究了一种基于模糊推理的态势关联方法,综合考虑了目标属性信息和状态信息、战场环境信息、指挥人员的态势预估计知识,通过推理得到关联的结果。     

CGF智能决策模型中的威胁评估方法研究

威胁评估是一个不确定的推理过程，为指挥员提供准确、及时的威胁信息，是CGF实体瞄准行为决策中最关键的任务之一。针对基于CGF智能决策系统，在分析威胁因素的基础上，提出了一种利用模糊关系方程估计目标威胁等级的算法。这一算法利用威胁因素和对应的威胁等级构成的训练模糊集合，建立威胁等级和影响因素之间的模糊关系。生成的模糊关系能利用给定的威胁因素和实时目标信息从而估计出未来的目标威胁等级。计算结果表明，这一方法是正确可行的。     

C3I系统中的态势关联技术

态势关联是在态势估计前必须解决的一个问题,即要将不同时刻的态势数据进行关联,得到各个时刻态势数据中描述的目标间的关系.对时间间隔比较长的态势数据的关联,研究了一种基于模糊推理的态势关联方法,综合考虑了目标属性信息和状态信息、战场环境信息、指挥人员的态势预估计知识,通过推理得到关联的结果.     

基于证据理论的自适应协同方法在打击目标排序中的应用

针对指挥员在选择及对打击目标排序时会产生不同结果,采用证据理论进行了协同。以各指挥员的判断作为证据理论的识别框架,采用证据加权法及对各证据的合成,确定了证据的基本可信度分配,降低了各证据间的冲突,筛选出肯定的证据,达成指挥员决策的自适应协同,实现对打击目标更为合理的排序。     

基于规则推理的海战仿真实体决策方法

研究在海军战术仿真中应用基于规则推理的方法实现作战实体的自主决策行为,该方法用决策规则描述作战实体决策时所依据的军事决策知识,通过对决策规则的推理实现决策作战实体的决策推理过程.分别介绍了作战实体的决策模型、决策规则的知识表示方法以及决策模型的决策推理方法.基于规则推理的海战仿真实体决策方法推理机制接近人类的思维方式,结构逻辑容易为军事人员所掌握,易于理解和维护,便于实现.     

基于证据理论的自适应协同方法在打击目标 排序中的应用

针对指挥员在选择及对打击目标排序时会产生不同结果，采用证据理论进行了协同。以各指挥员的判断作为证据理论的识别框架，采用证据加权法及对各证据的合成，确定了证据的基本可信度分配，降低了各证据间的冲突，筛选出肯定的证据，达成指挥员决策的自适应协同，实现对打击目标更为合理的排序。     

基于改进粒子群算法的联合火力打击目标分配研究

针对联合火力打击目标分配涉及影响因素多、存在大量参数和变量的特点，建立了联合火力打击目标分配模型，采用改进的粒子群算法探讨了目标最优化分配问题。对粒子群算法中解空间存在的可能解进行编码，将可能解进行交叉、变异和选择操作得到新的粒子个体，不断迭代，从而得到可行的最优解。通过对一个作战想定的多次仿真，进一步表明了算法的可行性和有效性，为指挥员科学决策提供了依据。     

基于EMEBN的空中目标战术意图识别方法

战术意图识别是战场态势分析与威胁评估中的重要一环,针对复杂战场环境中敌目标战术意图存在的动态性、序列性等问题,构建能够描述目标战术意图表达和推理的动态序列贝叶斯网络模型（dynamic series bayesian network,DSBN）,分析多实体贝叶斯网络（multi-entities bayesian network,MEBN）在表达规则知识概率迁移关系和序列关系的局限性,提出基于扩展多实体贝叶斯网络（extended multi-entities bayesian network,EMEBN）的战术意图识别模型构建方法,最后通过实例验证该方法的可行性和有效性。     

基于体系价值的多层交通网络打击目标优选

针对交通目标打击目标选择问题建立了多层交通网络模型,考虑了路径权重和节点之间的连接关系对多层网络的整体影响,建立了多层网络节点关联价值体系,并根据作战背景提出了目标优选原则,最后运用基于目标体系价值的方法对目标进行选择.通过实例仿真计算和算法对比,显示所建立的多层交通网络模型符合实际,且基于体系价值的目标选择算法能够有...     

基于灰关联分析的目标分级排序模型

信息化战争中,目标选择与打击环节是联合火力打击作战的关键一环。如何对目标系统进行分级排序,是目标选择与打击的核心问题。运用灰色理论中灰靶决策和灰关联分析等方法,结合层次分析法建立了联合火力打击目标分级排序模型,并给出了模型求解算例。     

任务驱动的军事信息服务知识推理研究

根据任务需要敏捷组织信息服务活动,从海量信息资源中提取准确的信息,高效地为各级指挥员提供精准的信息服务,是提升我军信息服务能力的关键所在.以使命任务、信息服务活动和信息资源为核心概念,建立了军事信息服务本体模型,定义了模型中概念之间的语义关系和时序关系,提出了军事信息服务知识推理方法,为任务驱动的军事信息服务领域知识的推理提供了理论基础.以封堵河堤溃口突发事件应急处置信息服务模型构建和知识推理实例作为具体测试案例,验证了构建的本体模型和知识推理方法的有效性.     

融合锚节点和三元关系向量的军事知识图谱表示学习

知识图谱是一种用于表示和推理知识的图结构,对于军事领域的决策支持和智能化应用具有重要意义。现有的军事知识图谱多面临着大量三元组缺失的问题,对辅助决策任务造成极大的影响。为此,提出一种融合锚节点和三元关系向量的军事知识图谱表示学习模型。通过NodePiece构建固定大小的锚节点词汇表,以实现对任何实体的引导性编码和嵌入;利用TripleRE综合关系向量的投影与平移特征表示,实现对实体间语义相似度和关系强度的深层捕捉。实验结果表明,该方法在军事知识图谱单跳推理任务上取得了优异的性能,证明其有效性和可行性。     

引入OODA关联度的火力打击目标排序方法

针对联合火力打击体系破击战法中确定体系破击目标困难的问题,提出一种基于超网络构架OODA关联度算法。该方法引入理想目标清单补充目标打击清单中遗漏的体系目标,区分层次构建包含多个子网络的超网络,在超网络中找到能够实现OODA循环的节点,进而确定各节点的OODA关联度,并通过仿真实验分析各综合评分算法的排序效果。仿真结果表明:OODA关联度独立于其他评价指标,可作为火力打击目标排序的评价维度之一,且使用理想点综合评估算法的排序效果最好,引入OODA关联度的目标排序相比于传统排序法更能体现体系破击战法思想。     

基于云贝叶斯网络的毁伤效果评估方法

目标毁伤效果评估是为指挥员提供决策的量化的依据,是现代信息化战争中必不可少的一环。基于图像的毁伤评估技术更是现代信息化战争必不可少的评估手段,通过对毁伤图像进行特征量提取,基于贝叶斯网络的概率推理和云模型强大的知识表示,进行毁伤评估值和毁伤等级的计算。仿真结果表明,该方法充分考虑到了不确定信息的模糊性和随机性,具有有效性和可行性。     

目标数据关联多因素分布式推理判决系统推理结构

目标数据关联多因素分布式推理判决系统 ,是一基于分布式判决分类系统理论进行目标数据关联分析的大规模推理判决系统 ,在C3I系统中有着广泛的应用前景。本文在分析推理判决系统的推理规则类型和状态类型的基础上 ,给出系统的推理结构图 ,该推理结构是正关联神经推理结构     

基于效用函数的打击目标选择方法

针对打击目标选择问题,提出了一种基于效用函数的打击目标选择方法,根据效用函数理论和方法,对单个打击目标的价值进行了量化,对多元目标价值函数进行了构造,通过实例分析,说明该方法的有效性和合理性,从而为解决打击目标价值度量问题提供了一种新途径。     

基于马尔科夫决策的目标选择策略

目标选择是军事计划的关键要素之一。基于马尔科夫决策方法,解决具有复杂目标间关联的多阶段目标选择问题。使用与或树描述目标体系各层状态间的影响关联,并以目标体系整体失效为求解目的,建立了基于离散时间MDP的多阶段打击目标选择模型。在LRTDP算法基础上提出一种启发式方法,通过判断从当前目标体系状态到达体系失效状态的演化过程中的可能资源消耗和失败概率,来提供对当前状态的评估值,该方法能有效排除问题搜索空间中不能到达体系失效目的的中间状态,压缩了由于目标间复杂关联而增长的巨大状态空间。用实验验证了该方法有效性,实验结果表明,该方法直观实用,对目标间具有复杂关联关系的目标打击决策有一定参考价值。     

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.