[發明專利]一種基于專家經驗和貝葉斯網絡的敵我目標識別效能分析方法

在審

• 申請號: 202210215066.7
• 申請日: 2022-03-07
• 公開（公告）號: CN114722899A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 高曉光;鐘瑞國;汪強龍;譚翔元;王紫東
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N5/02
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

本發明涉及一種基于專家經驗和貝葉斯網絡的敵我目標識別效能分析方法，屬于目標識別技術領域。建立包括6個父節點的敵我目標識別的貝葉斯網絡結構；由專家給出網絡中6個父節點間強弱關系的模糊先驗知識；計算過渡矩陣MAT；由過渡矩陣得到敵我目標識別能力的CPT表。本發明方法無需訓練數據，解決了受限于網絡數據匱乏的問題，且提高了敵我目標識別效能分析精度。

技術領域

本發明屬于目標識別技術領域，涉及一種基于專家經驗和貝葉斯網絡的敵我目標識別效能分析方法。

背景技術

敵我目標目標識別在攻防之中具有重要地位，是攻防體系中不可缺少的重要環節，其涉及技術較為繁雜，對其進行效能分析，找到對敵我目標識別能力最具影響力的因素是非常有必要的，因此有必要對敵我目標識別進行效能分析。

復雜系統關鍵因素效能分析最常用、最簡單的方法是層次分析法(AnalyticHierarchy Process，AHP)，AHP是將與決策有關的因素分解成不同層次，在此基礎上進行定性和定量的分析，從而達到效能分析的目的。然而，層次分析法只考慮了專家的經驗，忽略了節點原始數據所包含的信息，主觀性較高，客觀性較差。為了使分析的過程可以從節點數據中獲取信息，使效能分析的結果更加客觀，一般使用貝葉斯網絡(Bayesian Network)對復雜系統關鍵因素進行效能分析。

貝葉斯網絡可以很好地表達變量之間存在的隨機不確定性和相關性，并且，可以進行不確定性的相關推理，貝葉斯網絡既可以實現正向推理，以先驗概率為基礎推導后驗概率，即由原因推理結果，也可通過貝葉斯公式由后驗概率計算出節點的先驗概率，即由結果推理原因。這種因果關系的雙向推理，使貝葉斯網絡效能分析應用于很多領域，例如，目標識別、毀傷效果評估，信息安全評估，醫療診斷。在這些領域中，貝葉斯網絡都展現了很好的性能，效能評估的結果也比較理想。

在構建貝葉斯網絡時，貝葉斯網絡節點的狀態數設置一般不超過3個，節點所對應的父節點個數一般不超過4個。如果這些值偏大，貝葉斯網絡的參數數目將會非常龐大，難以訓練。以狀態個數3、父節點個數4的貝葉斯網絡為例，這個網絡的子節點擁有243個參數。從認知的角度，我們很難從專家那里獲得如此之多的參數，從統計的角度，如果希望從數據中學習參數，需要規模非常龐大的訓練數據才能可靠地估計出這么多參數。

在復雜系統中，各因素對于結果的影響是非常復雜的，很難通過人腦判定因素與因素之間的關系以及關聯強弱。一般用于復雜系統關鍵因素效能分析的貝葉斯網絡，研究者將節點的可能取值設定成2，以武器攻擊距離為例一般取值為{攻擊距離遠，攻擊距離近}。使用貝葉斯網絡對節點進行效能分析，是對定性問題進行定量分析的一種簡便、靈活的多準則決策辦法，通過對每個節點的參數值(即條件概率)進行設置，再經過效能分析，即可對目標節點的重要性進行定量描述。

在實際使用中網絡的部分節點因為網絡訓練數據難以獲得，或者是父節點的個數及其取值范圍太大，導致條件概率表(CPT)難以通過專家賦予，使得通過貝葉斯網絡進行效能分析的方法在這種條件下很難使用。

發明內容

要解決的技術問題

現有的目標識別效能評估方法可以分為兩種，知識驅動型和數據驅動型方法。在無訓練數據的情況下，參數只能通過專家經驗獲取，即知識驅動。目標識別領域涉及的因素有很多，針對其構建的貝葉斯網絡需要的參數數量很大。在這種情況下，通過專家經驗構建概率表是非常困難的，對于這種網絡的參數數量非常多通常只能給出節點強弱關系的模糊先驗知識。為此，本發明在敵我目標識別效能分析領域提出了一種無需訓練數據，僅需給出父節點強弱關系即可估計貝葉斯網絡參數的方法。

技術方案

一種基于專家經驗和貝葉斯網絡的敵我目標識別效能分析方法，其特征在于步驟如下：