基于贝叶斯网络的威胁识别

根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.分析了使用贝叶斯网络进行威胁估计表示问题,提出了构建贝叶斯网络进行威胁估计的步骤.最后,给出一个具体的实例,演示了使用贝叶斯网络进行威胁识别的过程,实现了战场态势中蓝方机群对红方战术意图的提前预测.     

网络中心战中社会域的作用

美军在网络中心战理论中提出了社会域这个概念,强调了它贯穿于物理域和认知域,是产生网络中心战最终形态“自同步”所不可获缺的因素。文章着重分析了社会域在共享态势感知中的重要作用,在此基础上得出,在信息化战争中,社会、文化等无形的因素同样是夺取战争胜利的重要条件。     

一种自导鱼雷发现概率变化趋势预测方法

针对自导鱼雷发射前预知鱼雷发现概率随发射态势变化趋势的需求,提出了一种自导鱼雷发现概率变化趋势预测方法。根据现时刻攻击态势构建鱼雷发射态势预测模型,生成后续鱼雷发射态势序列;基于正态分布原理进行目标散布处理,并分别提出面积比值法和长度比值法计算声自导和尾流自导鱼雷单个发射点发现概率计算方法;综合以上处理方法,计算自导鱼雷未来一段时间内连续发射态势点的发现概率,生成变化趋势。最后,采用典型的发射态势对自导鱼雷发现概率变化趋势预测结果进行了测试验证。     

利用XMI实现基于BOM的仿真模型组件的交换

BOM(Base Object Model)是快速构建仿真系统或联邦的可重用信息交互包,基于BOM的仿真模型组件是BOM信息描述的实现体,作为构建仿真系统或联邦的可重用模块。通过应用模型驱动体系结构(MDA,Model-Driven Architecture)提出的实现模型交换标准XMI(XML-based Metadata Interchange),HLA(HighLevel Architecture)仿真模型组件的建模和实现在两个不同层次上实现跨平台、跨语言和跨领域间的交换,而且HLA的重用性和互操作性思想能够在除分布式仿真领域外的其他应用领域中得到推广。     

基于双驱动模型的目标机动行为识别方法

针对目标样本数据和行为知识匮乏、不平衡对空中目标飞行机动识别带来的难题,提出了一种基于数据与知识双驱动的智能化识别方法。采用集成学习的思想将数据驱动的深度学习模型和知识驱动的推理模型融合,既可以弥补推理模型在复杂环境下表现不佳的不足,又可以增加深度学习的可解释性和鲁棒性。利用仿真对比实验验证所提方法的有效性,结果表明：所提算法对目标机动行为识别能力优于仅基于知识驱动或仅基于数据驱动的单驱动系统,准确率达到90.1%。此方法大幅提升了对复杂环境的适应能力和识别准确率,对目标机动行为识别有重要工程应用价值。     

面向未来两栖作战的态势智能认知概念框架研究

全面准确地掌握战场态势,是未来两栖作战取得胜利的先决条件。分析了两栖作战对态势智能认知的需求,提出了态势智能认知概念框架,描述了框架各组成部分的功能、作用和主要模型内容,为两栖作战态势感知能力向态势智能认知能力的发展奠定基础,为未来两栖作战提供先决条件。     

基于图神经网络GraphVAE的兵棋态势预测方法

在战场上敌我双方作战的过程中,准确地预测敌方的兵力部署将有利于我方的作战。基于兵棋推演的态势数据,通过训练图神经网络,提出了预测敌方未知算子位置的方法。首先,在对数据进行预处理后,实现了态势到图结构数据的转化,构造了兵棋态势的图结构数据集,用于图神经网络的训练。其次,根据兵棋态势及其数据的特点改造了GraphVAE模型,实现了兵棋态势图结构数据的补全。最后设计了基于补全后的图结构数据,计算敌方算子位置的方法。通过实验证实了该方法的有效性和可行性。     

美国的战争指挥中心——五角大楼

美参联会《2010联合作战设想》中首次提出了联合作战新概念“主导布势”。所谓“主导布势”就是力求全面控制作战空间。美军认为,作战空间不仅是指部队探测、跟踪、打击敌人的三维空间,还包括时间、速度和电磁频谱等因素在内的“全维空间”。控制作战空间就是要在空、地、海、天、电磁多维度上综合发挥美军信息、机动和作战能力的优势,形成全方位、全时空控制战场和直接威逼敌重心的主导态势,力求少战甚至不战而屈人之兵。这种“主导布势”显然比过去“夺取战场主动权”的观念有所扩展。美军控制作战空间的主要方法是：     

基于深度学习的战役初始态势认知方法

战役初始态势不仅影响着整个战役进程,而且对战役筹划的影响也极为显著。以深度学习为代表的人工智能技术突飞猛进,为我们利用人工智能技术实现自动识别复杂的战役初始态势、模拟战役指挥员的经验知识带来了契机,作者就此问题进行初步探索性研究。对战役初始态势的概念及其类型进行了介绍,探讨了基于深度学习的战役初始态势认知模型构建,对模型构建步骤、输入和输出的设计进行了探讨,对卷积神经网络的基本思想、结构、训练进行了介绍,在示例中介绍了样本数据的录入程序、卷积神经网络的具体结构与应用程序,验证了方法的可行性与有效性。所提出的战役初始态势认知方法可以在一定程度上获得指挥员对战役初始态势的经验知识。