空地对抗决策中粗糙贝叶斯理论应用

模糊逻辑作为模糊语言描述系统,既可以描述应用系统的定量模型也可以描述其定性模型,粗糙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。首先分析了使用粗糙贝叶斯网络进行态势评估知识表示问题;其次提出了构建粗糙贝叶斯网络进行态势评估的步骤;最后给出一个具体的实例,演示了在防空作战战场中使用粗糙贝叶斯网络进行态势评估的过程。     

基于直觉模糊时间Petri网的不确定性时间推理方法

针对Petri网模型在对复杂不确定性时间信息描述和推理方面的局限性,在定义直觉模糊时间函数以及网络变迁约减规则的基础上,融合直觉模糊时序逻辑(IFTL)、直觉模糊Petri网(IFPN)以及线性逻辑推理的理论优势,构建了直觉模糊时间Petri网(IFTPN)推理模型,并提出了基于IFTPN的不确定性时间推理算法,较好地解决了态势评估中冲突事件间的不确定性时间推理问题。最后,通过典型的战场想定验证了该时间推理方法的有效性和优越性。     

动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

基于贝叶斯网络的态势认识

态势认识的本质是通过因果推理进行态势理解和诊断推理以实现态势预测,不确定性知识表示和推理是态势认识过程中需要解决的两个重要问题。基于贝叶斯网络易于进行不确定性推理的优点,综合应用贝叶斯网络因果推理和诊断推理,提出了态势认识的贝叶斯网络模型,应用贝叶斯网络信息传播算法,给出了态势认识系统实现的方法,并通过实例计算论证了该方法的可行性和实用性。     

用于态势估计的贝叶斯网络方法

态势估计系统需要对大量的不确定性知识进行处理,不确定性知识表示和推理是态势估计中的研究热点.利用贝叶斯网络技术,可以实现对不确定性知识的处理.为此讨论了贝叶斯网络理论,详细分析了态势估计的功能模型,提出事件检测是态势估计的核心和起点,研究了用于态势估计的贝叶斯网络的构建方法.该方法充分考虑贝叶斯网络的几项基本要素,可以解决态势估计领域中贝叶斯网络的构建问题.贝叶斯网络技术在态势估计领域具有广阔的前景,将极大地推动态势估计系统的发展.     

基于贝叶斯网络的态势估计时间推理方法

基于贝叶斯网络的态势估计方法是目前态势估计领域中的主要方法之一,然而,传统的贝叶斯网络不具备时间语义,因此无法解决态势估计中的时间推理问题.基于此,对贝叶斯网络进行改造,研究了时间贝叶斯网络的构建方法.通过一个战场想定,说明了时间贝叶斯网络构建、推理的过程与方法,证明了提出方法的有效性.     

基于DBNs的反导态势评估模型研究

为了实现多导弹攻击下的反导战场态势评估,首先建立了用于单枚导弹态势评估的贝叶斯网络(BN)模块,其次以该模块为基础提出了一种用于反导战场全局态势评估的动态贝叶斯网络(DBNs)模型,并给出变结构DBNs推理算法。仿真结果表明,该模型对来袭导弹的数目以及拦截成功与否等事件描述准确且迅速,可以满足多导弹攻击下的态势评估要求,并能够为反导指挥作战提供决策支持。     

贝叶斯网络用于作战态势评估

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.因果推理是态势评估中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能.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.     

基于贝叶斯网络的装甲目标战术企图推理模型构建

以贝叶斯网络理论为基础,分析基于贝叶斯网络的目标企图推理框架,从目标状态、目标性质、战场环境和战术特性4个方面提取节点,在分析这4个节点拓扑结构的基础上,构建了装甲目标战术企图推理的贝叶斯网络拓扑结构。     

贝叶斯网络的编队对地攻击作战效能评估

针对影响编队作战效能的不确定性因素,提出基于灰色模糊贝叶斯网络的作战效能评估模型.该模型首先将不确定性因素分为灰色模糊域和概率域两大类,然后在灰色模糊域使用灰色模糊综合评判对不确定性因素进行评判,并运用可能性概率转换理论将评判结果转换为概率域知识,最后在概率知识域使用贝叶斯网络推理算法得到作战效能评估指标值.实例计算表明,该方法能够较好地量化处理不确定性知识,具有一定的实用性.     

基于模糊贝叶斯网络的UAV中远距空战战术决策

针对无人机中远距空战战术决策时决策环境的不确定性和决策实时性问题,提出了基于模糊贝叶斯网络的无人机中远距空战战术决策方法。研究了无人机空战过程,对影响战术决策的主要因素进行分析建模,构建了战术决策的模糊贝叶斯网络。最后,利用模糊集合理论对连续型态势变量进行变参数模糊化,并输入战术决策网络进行推理,对该决策方法的正确性、实时性以及在不确定环境下的有效性进行仿真验证。     

模糊离散动态贝叶斯网络的目标威胁等级评估

动态贝叶斯网络作为一种智能推理工具在处理不确定推理问题中显示出强大的生命力,但是存在难于处理连续变量的推理问题。将模糊理论与动态贝叶斯网络相结合,提出一种模糊分类的方法,将连续变量模糊分类为动态贝叶斯网络能够应用的证据信息用于推理,并建立目标威胁等级评估模型,应用直接推理算法对该网络进行推理。仿真结果表明,该分类方法与动态贝叶斯网络结合能够很好地处理连续变量推理的问题。     

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。     

基于贝叶斯网络的潜艇攻击决策研究

BN(贝叶斯网)被认为是人工智能研究中不确定性知识表示和推理的重要工具,广泛应用到复杂系统的建模等领域。贝叶斯网络高效的推理算法非常适合解决不确定性军事决策问题,分析了潜艇攻击决策问题的复杂性和不确定性,提出了构建贝叶斯网络进行攻击决策的步骤,通过具体实例,对用贝叶斯网络推理解决潜艇攻击决策问题进行了初步探讨。     

复杂舰船目标毁伤评估模型建立方法研究

针对舰船目标毁伤效果评估问题的复杂性和困难,利用贝叶斯网络在不确定性推理计算方面的优势,计算总结出目标舰船毁伤后舱室的毁伤规律,同时根据同层节点不同工作流程关系,分别采用维修时间统计法和权重对比法确定各节点不同状态组合参数,完成贝叶斯网络评估模型的建立,较好地推理计算了目标舰船模型中所有可能工况的总体毁伤结果,得到全工况舰船目标总体毁伤状态表,结合蒙特卡洛模拟导弹打靶试验结果,进一步推导出导弹对舰船目标的总体毁伤概率,实现反舰导弹毁伤威力的定量评估。     

无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

基于模糊随机贝叶斯网络的意图估计方法

意图估计是数据融合五级模型中态势评估的重要研究内容。意图估计结果的稳定性对于辅助战场决策具有重要意义,在分析了影响意图识别结果稳健性的基础上,将模糊随机贝叶斯网络应用于战场目标的意图分析。在研究了战场环境下网络结点构造及推理方法的基础上,结合具体场景给出示例并进行了仿真验证。     

复杂系统工程作业贝叶斯网络风险方法研究

针对复杂系统工程作业工种多、隐蔽性强、不确定因素多的情况,提出了基于贝叶斯网络的风险评估方法。从工程作业过程分析着手,建立了贝叶斯网络风险评估模型;针对多状态根节点缺乏数据的问题,应用三角模糊函数确定了概率输入;针对多状态节点条件概率值难以获取的问题,应用DS证据理论融合处理专家信息。以安排导弹战备值班为研究对象进行了实例分析。仿真表明,评估模型因果推理即可确定工程作业存在的风险概率;诊断推理即可确定风险发生情况下的关键影响因子,据此可以制定合理的预防性措施。     

基于贝叶斯网络的目标选择方案设计

信息化条件下体系对抗成为现代战争的基本形态,因此面向体系的目标选择问题尤为重要。针对目标体系中各目标所发挥作用的不确定性和模糊性,利用贝叶斯网络易于进行不确定性推理的优点,提出了目标选择方法,建立了基于贝叶斯网络的目标选择模型。通过实例仿真计算,表明该模型能够准确地对目标进行排序,推理简单,易于实现,验证了模型的有效性。     

基于模块化的动态贝叶斯网络的安全态势评估模型

针对由网络信息系统结构变动引起的安全态势评估时效性差的问题,结合层次网络和模块网络的优点,建立了基于模块化动态贝叶斯网络的态势评估模型。首先,通过判断节点间是否存在有向连接,建立子系统的动态贝叶斯网络模块单元;然后,由若干模块单元和独立节点构建整体的动态贝叶斯网络,并利用约束递归算法学习网络概率参数;最后,通过仿真测试验证该模型的正确性。