动态贝叶斯网络 战场态势评估
发布网友
发布时间：2023-05-15 10:18
共1个回答
热心网友
时间：2024-12-05 17:50
贝叶斯网络被认为是数学基础最强的不确定性处理理论，动态贝叶斯网络是由贝叶斯网络发展来的，具有良好的 随时间演化的能力 。通过动态贝叶斯网络可以将人类的先验知识和后验的数据无缝地结合，然后利用闭环的动态贝叶斯网络拓扑结构进行不断的学习，从而降低信息融合过程中的不确定性。
为什么信息是不确定的？ 1）传感器性能的局限；2）敌方故意实施干扰、欺骗。
战场态势瞬息万变，态势评估就是根据不断到来的数据逐步达到对敌方 作战意图 和 作战计划 的识别，是实现 作战指挥自动化 的极其关键一环。
态势评估和威胁评估的任务是从 大量散乱的、密级的 情报信息中 进一步提取 指挥员关心的战场上重要的影响战役战斗进程的情况和事件信息，并进行 评估、分析、预测 。是去粗取精、去伪存真的智能化分析处理过程。
态势评估的主要内容： 聚合实体、推理实体意图。
贝叶斯网络是 概率论+图论 的产物。
贝叶斯网络主要由两部分组成： 网络结构 和 条件概率表 。
传统贝叶斯网络只能进行静态过程的推理，难以反映 时间因素 对事件概率的影响，而且传统贝叶斯网络是有向无环的，和战场态势的闭环特点不符合，而动态贝叶斯网络在这两点上都可以满足。
战场态势评估中构建贝叶斯网络的方式： 通过借鉴战争领域丰富的模型知识，用条件概率表示对抗中的因果关系，从而建立威胁评估贝叶斯网络模型。
贝叶斯网络作为一种可描述不确定信息的专家系统,在构造态势威胁评估模型上具有以下 优点 ：
1）贝叶斯网络类似神经元网络,能够充分 描述人类的推理模式 ,网络的图形方式还便于模型开发人员的理解和开发。
2） 量化描述 威胁源评估的过程。
3）贝叶斯概率的特点使网络模型能够反映威胁源评估的 连续性 和 累积性 这两个重要特征。模型中,综合最新的事件线索和从先验信息得到的后验信息,得到的评估结果不仅反映了当前的信息,而且综合了历史和先验知识。这种时间一致性特征在采用基于规则和基于神经元网络等无记忆方法时是无法实现的。
4）贝叶斯逻辑在 数学上的可靠性 使该模型成为一种描述人类思维推理过程的标准模型。标准化意味着通用性,开发者之间的协同和交流成为可能。而传统的专家系统是完全面向任务的,不同的任务采用的模型千差万别,通用性较差。
