基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.     

反舰导弹目标毁伤预测的贝叶斯推断模型研究

导弹反舰作战是一种有效的非对称打击作战样式,目标毁伤预测在其中承担着关键一环.针对现有反舰导弹目标毁伤预测方法在计算代价或样本规模等方面的限制,在贝叶斯网络技术的框架下,提出一种用于目标毁伤预测的贝叶斯推断模型.该模型将导弹反舰作战的突防和毁伤等过程抽象成高层的概率语义,仅需少量样本数据就可驱动模型关键参数的学习过程,在实现目标毁伤预测的同时还附加有发射弹量规划能力.通过实验,验证了模型的可行性与有效性.     

一种网络设备告警事件纵向关联方法的设计与实现

现有的网络事件关联系统主要存在以下不足:各被管设备感知的大量告警事件全部传送到管理端处理,会带来很多传输与事件管理问题;现有的网络事件关联方法很不成熟,一般只涉及底层协议告警事件的关联.在分析网络告警与故障关系的基础上,提出了一种在设备这一级驻留代理,采用贝叶斯网络推理技术完成包括应用层告警事件在内的本地告警事件纵向关联方法.并在描述协议栈各层协议实体模型的基础上,给出了利用AdventNet API和ebayes进行系统具体实现的方法.     

基于贝叶斯网络的空中目标意图识别方法

针对空中目标意图识别问题,对防空作战中的战场事件进行了分类定义,根据事件之间的关联关系,提出了基于贝叶斯网络的空中目标意图识别方法,在此基础上,给出了网络模型的构建和推理方法,最后以一个示例说明了方法的有效性。     

基于贝叶斯分类器的目标价值等级分析

现代战争作战目标繁多,从目标价值角度对目标的重要程度进行评估,建立了基于朴素贝叶斯分类器的目标价值评估模型,并利用基于无向完全图的贝叶斯分类器,将目标属性间的关系加入到评估模型中,为指挥员和决策机关的作战目标选择提供了科学的依据.     

高速机动反舰导弹对舰艇编队的威胁估计研究

威胁估计是一个高度复杂、不确定性事件的推理过程.针对以目标特征为参数计算高速机动反舰导弹对编队的威胁值出现振荡而影响威胁排序的问题,首先运用自组织映射神经网络(SOM)提取高速机动反舰导弹的某些重要特征,其次融合提取的特征计算反舰导弹的航向,然后根据航向计算得到反舰导弹稳定的飞临时间和航路捷径,最后在分析影响威胁估计因素的基础上,运用模糊动态贝叶斯网络进行推理得到威胁值,再结合舰艇的价值系数便可计算得到稳定的威胁排序.仿真结果表明,该方法可以有效解决高速机动反舰导弹的威胁估计问题.     

目标体系描述与火力分配方法研究

目标体系分析和目标选择是军事计划中不可或缺的部分。本文对目标体系的要素结构进行描述,并使用动态贝叶斯网络描述了被打击状态下目标体系的动态反应机制,并在此基础上提出了打击目标体系的火力分配方法。     

贝叶斯网络下考虑攻击企图的目标威胁评估

为解决舰艇编队的防空目标威胁评估问题,针对现有威胁评估方法中忽略目标攻击企图,且只进行静态评估而未考虑目标机动导致的运动参数变化对威胁评估的影响之不足,提出了利用目标攻击时所表现出来的特征参数进行攻击企图估计,并分析了影响机动目标威胁程度的相关参数和变量,以目标信息更新周期为不同时间片,建立了用于动态评估目标威胁度的离散模糊动态贝叶斯网络结构模型。为适应编队防空中火力通道多、目标批次多的特点,将一般威胁等级从3级划分扩展为5级划分。给出了网络中主要节点的状态转移概率表和条件概率表。通过对机动目标按照典型攻击航路的威胁度变化仿真表明,所建立的模型和采用的方法合理有效,能够较为准确地反映目标威胁,贴近实战。     

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。