共查询到10条相似文献,搜索用时 126 毫秒
1.
2.
对战场目标战术意图的快速、准确和自动识别,是智能决策的前提和基础。目标战术意图通常由多个战术动作组合完成,因而目标状态呈现动态、时序变化特征。本文针对目标意图识别问题的特点,提出一种基于栈式自编码器( SAE)的智能识别模型,设计智能识别模型的基本框架,提出一种基于时序特征的输入信号编码方法及相应的模式解析机制,通过将目标状态在多个时刻的时序特征和战场环境、目标属性等信息统一编码为输入信号,将军事专家的知识经验封装为模式标签,模拟人的推理模式与认知经验,实现对目标战术意图的智能识别。最后通过实验,分析预训练过程和网络深度对算法性能的影响,并通过与多层感知机(MLP)和逻辑回归分类器(LRC)识别准确率的比较,验证所提SAE算法的有效性。 相似文献
3.
从战术计划识别的应用领域出发,以典型海战想定为背景,分析了水面舰艇编队战术计划识别的过程与特点,论述了实际水面舰艇编队战术计划识别所需的数据、模型、信息和相关知识。在仿真案例中,实现了在不完全观察条件下敌我对抗过程中对敌不同阶段计划意图的推理和识别,并通过和领域专家、指挥员及专业学员人工识别结果相对比,论证了识别结果的有效性和准确度。 相似文献
4.
针对敌方飞行器隐身、伪装技术的日趋成熟,致使我方由侦察设备获取的电磁信号严重变形,特别是物理特征在目标类型识别中的作用日趋减弱的现实问题,提出了一种融合目标战术特征修正物理特征证据的目标战术类型识别方法。该方法从目标战术类型识别的军事需求出发,提出对冲突物理特征证据的阶梯式修正规则,以及对冲突证据折扣因子的优化方法,并将修正后的证据重新组合得到识别结果。仿真实例证明该方法在处理目标冲突物理特征证据时具有高准确率的特点。该方法为复杂环境下的目标战术类型识别问题提供一种新的解决思路。 相似文献
5.
6.
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。 相似文献
7.
8.
对敌意图识别是作战平台指挥决策的重要依据。针对水下平台意图特征的识别问题,通过对军事应用领域意图识别框架的分析,建立了水下平台的意图识别框架,同时分析了水下平台可用意图特征及提取方法,并提出了一种适于水下平台的意图识别方法。该方法为意图识别技术研究提供一定的参考。 相似文献
9.
傅学庆 《军事运筹与系统工程》2006,20(2):22-26
对空中目标类型识别是海上编队对空防御的基础和决策依据,传统的识别方法多以目标物理特征为依据而忽略了对目标战术特征的考虑,本文对空中目标类型进行了归类,根据D-S证据推理相关理论,建立了融合目标战术特征和物理特征的目标类型识别模型,该模型可以为海上编队防空指挥自动化决策研究提供一定的参考。 相似文献
10.
根据所获得的敌作战意图相关信息的特征,首先提出了证据支持最简形式、证据支持二元形式、同型证据等概念,在这些概念的支撑下,研究了将证据支持二元形式表示为证据支持最简形式的正交和问题,其结论用于表示敌作战意图及其特征信息之间的相关性,从而建立对敌作战意图的识别体系,完成对敌作战意图的最终判定。新的证据表示模型有效地简化了作战为证据的特征信息的表示和合成,降低了计算量。给出的具体应用示例也证明所提出的算法结构的可行性和有效性。 相似文献