[發明專利]一種基于小數據集和貝葉斯網絡的威脅評估建模方法

在審

• 申請號: 201710299124.8
• 申請日: 2017-05-02
• 公開（公告）號: CN107194155A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 邸若海;高曉光;萬開方;郭志高
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 西北工業大學專利中心61204
• 代理人: 顧潮琪

技術領域

本發明涉及一種利用機器學習技術進行威脅評估的建模方法。

背景技術

對威脅源完成快速準確的威脅評估是實際作戰的關鍵環節。一方面，在錯綜復雜、瞬息萬變的作戰環境中，敵方干擾及傳感器性能局限等因素導致獲取信息量或觀測數據量不充分；另一方面，有時為了完成“先敵決策，先敵打擊”的戰術任務，不得不在數據尚不充分時進行威脅評估和作戰決策。因此，亟需一種能夠在不充分的數據條件下進行威脅評估建模的方法，這里將不充分數據稱為小數據集。目前威脅評估建模方法的主要思想是根據評估對象選取威脅因子，進而將這些威脅因子進行綜合。主要的方法有神經網絡、支持向量機、貝葉斯網絡、vague集、專家系統、模糊推理、線性加權和層次分析法等。在上述的方法中，僅有貝葉斯網絡和支持向量機具有在小數據集條件下進行建模的能力，與支持向量機相比，貝葉斯網絡具有類似人腦的概率理論基礎、可解釋的知識表述方式和靈活的推理機制。余舟毅等在文獻《基于貝葉斯網絡的威脅等級評估算法研究》中研究了基于貝葉斯網絡的推理模型和推理算法，但是其中涉及的貝葉斯網絡模型是根據經驗主觀給出的，缺少結合數據進行模型構建的過程，同時并不具備處理小數據集的能力。覃征等人在文獻《基于模糊動態貝葉斯網絡的態勢威脅評估方法》中研究了數據模糊化過程、數據提取以及威脅評估的推理過程，但是同樣未涉及小數據集的貝葉斯網絡模型構建過程。

發明內容

為了克服現有技術的不足，本發明提供一種基于小數據集的威脅評估建模方法。

本發明解決其技術問題所采用的技術方案包括以下步驟：

步驟1，對戰場信息中的威脅數據進行預處理，包括目標速度V、進入角之和A、敵我距離Dis以及目標威脅程度T，其中，目標速度V_u為無人機速度；進入角之和為目標速度方向與目標線的夾角和無人機速度方向與目標線夾角之和；敵我距離為目標與無人機之間的距離；目標威脅程度

步驟2，將威脅數據作為節點，利用領域知識獲取威脅數據的貝葉斯網絡結構約束，改進BIC評分其中，m_ijk是樣本數據中滿足X_i＝k、其父節點π(X_i)＝j的樣本個數，m為樣本數據總量，e為結構約束中對應邊的存在概率，δ為調節參數，δ取10～100，i表示網絡中第i個節點變量，n為節點變量數，q_i為第i個節點的父節點取值狀態數，r_i為第i個節點的子節點取值狀態數；

步驟3，采用K2算法學習威脅評估網絡拓撲結構，步驟如下：

步驟a，從一個包含n個節點變量卻沒有邊的圖出發開始搜索；

步驟b，按照節點序ρ(X₁，X₂，...X_i...，X_n)進行搜索，在節點X_i，將排在節點X_i之前的變量進行組合，并從中選出節點X_i的父節點集π(X_i)，找出使改進BIC評分達到最大的父節點集π(X_i)；

步驟c，判斷i是否等于n，如果相等，則算法結束，輸出所得網絡結構；否則，i值加一并返回步驟b；

步驟4，利用步驟3得到的網絡拓撲結構獲取網絡參數的單調性約束，對于由n個變量X＝{X₁，X₂，...X_n}組成的貝葉斯網G，設G中的節點X_i有r種取值且取值狀態集合為{1，2，...，k，...r}，其父節點集π(X_i)有q個取值且取值狀態集合為{1，2，...，j，...q}，令θ_ijk＝p(X_i＝k|π(X_i)＝j)，則有θ_j1≤θ_ij2≤......≤θ_ijr或θ_ij1≥θ_ij2≥......≥θ_ijr；

步驟5，根據參數的規范性，即父節點取值狀態相同而子節點取值不同的一組參數相加的和為1，獲取參數的取值區間