CN111931831B - 一种空中相互作用群的识别方法及*** - Google Patents
一种空中相互作用群的识别方法及*** Download PDFInfo
- Publication number
- CN111931831B CN111931831B CN202010748479.2A CN202010748479A CN111931831B CN 111931831 B CN111931831 B CN 111931831B CN 202010748479 A CN202010748479 A CN 202010748479A CN 111931831 B CN111931831 B CN 111931831B
- Authority
- CN
- China
- Prior art keywords
- evidence
- target
- value
- determining
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 230000007123 defense Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种空中相互作用群的识别方法及***,用于提高相互作用群的识别效率。本申请提供的方法包括:确定相关证据信息;根据所述证据信息构建证据矩阵;计算所述证据矩阵的证据取值;根据所述证据取值计算目标的决策值;根据所述目标的决策值,确定空中相互作用群。本申请还提供了一种空中相互作用群的识别***。
Description
技术领域
本申请涉及目标分群技术领域,尤其涉及一种空中相互作用群的识别方法及***。
背景技术
分布于不同空间的武器平台可以对同一目标进行打击。为保障指挥员对战场态势的全面认知、认清敌我态势,做出正确的作战指挥决策,需要根据武器平台可能打击的目标对武器平台进行分类。该识别和区分可归为相互作用群的识别问题,属于态势认知领域中的目标分群问题。相互作用群是指由多个在战术上相关的空间群组成的群,每个相互作用群都有一个战术目标,并由其包含的多个空间群协同作战来实现。现有技术中,主要依赖人的主观判断,并且未考虑证据的真实性,相互作用群的识别有效性不高。
发明内容
针对上述技术问题,本申请实施例提供了空中相互作用群的识别方法及***,用以获得更加科学、合理的识别结果,更为全面、准确地识别出空中相互作用群,提高相互作用群的识别效率。
一方面,本申请实施例提供的一种空中相互作用群的识别方法,包括:
确定相关证据信息;
根据所述证据信息构建证据矩阵;
计算所述证据矩阵的证据取值;
根据所述证据取值计算目标的决策值;
根据所述目标的决策值,确定空中相互作用群。
优选的,所述根据所述证据信息构建证据矩阵,包括:
设置目标各项证据的决策门限值,并构建证据矩阵,其中N为要识别的空间群目标数,M为待识别目标所具有的证据数。
进一步的,所述计算所述证据矩阵的证据取值包括:
确定证据有效性因子;
根据所述证据有效性因子,计算所述证据矩阵的证据取值。
所述确定证据有效性因子,具体包括:
设置证据影响因子矩阵LB×M={lb,m},其中b=1,2,…,B,m=1,2,…,M,B为各项证据的影响因子数;
分别计算各项证据影响因子与正理想解、负理想解之间的欧式距离:
根据所述欧式距离,确定确定证据有效性因子Cm:
进一步的,所述根据所述证据有效性因子,计算所述证据矩阵的证据取值,具体包括:
确定证据矩阵AN×M={an,m}中每个证据的初值anm,n=1,2,…,N,m=1,2,…,M,且大于等于零小于等于1,N为要识别的空间群目标数,M为待识别目标所具有的证据数;
所述根据所述证据取值计算目标的决策值包括:
第n个待识别目标的决策值Zn由下列公式确定:
进一步的,所述根据所述目标的决策值,确定空中相互作用群,具体包括:
确定决策判断门限H;
根据所述目标的决策值Zn和所述决策判断门限H,判断是否对我方防空部队进攻;
将所有判断为很可能对我防空部队进攻的目标所在的空间群确定为相互作用群。
进一步的,所述根据所述目标的决策值Zn和所述决策判断门限H,判断是否对我方防空部队进攻,具体包括:
由下列公式确定是否对我方防空部队进攻:
其中,所述决策判断门限H由下列公式确定:
进一步的,确定空中相互作用群之后,还包括:
对所述空中相互作用群进行跟踪和监视,并根据跟踪和监视的结果对所述空中相互作用群进行调整。
通过本发明的方法,引入了证据有效性因子,进行证据真实性评估,从而获得更加科学、合理的识别结果,更为全面、准确地识别出空中相互作用群,提高相互作用群的识别效率。
相应的,本发明还提供了一种空中相互作用群的识别***,包括:
处理器,存储器和采集器;
所述采集器在所述处理器的控制下采集信息;
所述存储器存有可由所述处理器读取并执行的程序;
所述处理器执行所述程序时,实现方法权利要求中的所有空中相互作用群的识别方法之一。
本发明的方法和***,引入了证据有效性因子,进行证据真实性评估,从而获得更加科学、合理的识别结果,更为全面、准确地识别出空中相互作用群,提高相互作用群的识别效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术种目标分群方法示意图;
图2为本申请实施例提供的空中相互作用群的识别方法示意图;
图3为本申请实施例提供的目标空间群的空间分布图;
图4为本申请实施例提供的未考虑证据真实性因子识别的敌方空中目标空间群空间分布图;
图5为本申请实施例提供的考虑证据真实性因子识别的敌方空中目标空间群空间分布图;
图6为本申请实施例提供的一种空中相互作用群的识别***示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
1、本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
目标分群是依据一定的关系,将目标对象逐级分群。典型的,可将目标分群等级分为5级,如图1所示。
1.目标对象群:各个独立的实体,即战场中存在的各个威胁单元。
2.空间群:在同一空间内,按照一定的分类规则划分的群。在同一空间群里,各目标对象的属性一致,行为相似,位置相近。
3.功能群:执行类似功能的空间群。现有文献资料大多将功能群归为空间群。
4.相互作用群:由多个在战术上相关的空间群组成的群,本质上是基于空间群的合群。每个相互作用群都有一个战术目标(攻击或防御等),由其包含的多个空间群协同作战来实现。
5.敌/我/中立群:按照敌、我和中立方标识,将所有的相互作用群分为3个大群,形成战场的三大阵营。
从图1中可以看出,对相互作用群的识别需要考虑目标属性、所属空间群、任务和目的等诸多因素。现有技术中,主要依赖人的主观判断,并且未考虑证据的真实性,相互作用群的识别有效性不高。
针对上述技术问题,本申请提出了一种空中相互作用群的识别方法及***,引入证据有效性因子,进行证据真实性评估,在此基础上,进一步调整初步结论,从而获得更加科学、合理的识别结果,更为全面、准确地识别出空中相互作用群,提高相互作用群的识别效率。
需要说的是,本申请中,理想解指的是设想的最优解(方案),它的各个属性都达到各备选方案的最优值;而负理想解指的是设想的最劣解(方案),它的各个属性都为各备选方案的最差值。
其中,方法和***是基于同一申请构思的,由于方法和***解决问题的原理相似,因此***和方法的实施可以相互参见,重复之处不再赘述。
下面结合说明书附图对本申请各个实施例进行详细描述。需要说明的是,本申请实施例的展示顺序仅代表实施例的先后顺序,并不代表实施例所提供的技术方案的优劣。
实施例一
参见图2,为本申请实施例提供的空中相互作用群的识别方法示意图,如图所示,该流程包括:
S201,确定相关证据信息;
针对已划分好的敌方空中目标空间群(或功能群),提出通过判别空间群目标攻击企图一致性来实现对目标相互作用群进行识别的相关假设,从而获得各项证据信息。
作为一种优选示例,可以进一步确定基于空间群目标攻击企图判断的目标相互作用群识别规则和参数标准。
需要说明的是,空中目标空间群的划分,可以使用图1所示的方法进行,也可以根据实际需要,根据设定的规则进行划分,具体本实施例不做限定。
S202,根据所述证据信息构建证据矩阵;
具体的,先假设假设证据信息均完全真实、准确,通过设置目标各项证据的决策门限值和进行相应的判断,构建证据矩阵AN×M={an,m},其中,N为要识别的空间群目标数,M为待识别目标所具有的证据数。
作为一种优选示例,M等于9,即待识别目标所具有的证据数为9个。
作为一种优选示例,还可以基于证据矩阵AN×M进行初步论证分析,通过空间群目标攻击企图与非攻击企图证据统计结果,得出目标攻击企图和相互作用群的初步识别结论。
S203,计算所述证据矩阵的证据取值;
具体的,为更加贴近真实情况,可先设置证据有效性因子,根据所述证据有效性因子,计算所述证据矩阵的证据取值。
作为一种优选示例,可设置证据有效性因子cm,m=1,2,…,M,cm∈[0,1],其中,cm=0和cm=1分别表示证据有效性的最高和最低程度,即完全有效(可信)和完全无效(不可信)。证据有效性因子cm的确定可通过以下步骤进行:
步骤1:设置证据影响因子矩阵LB×M={lb,m},其中b=1,2,…,B,m=1,2,…,M,B为各项证据的影响因子数。作为一种优选示例,在设置影响因子矩阵过程中,各影响因子可进行归一化处理,并赋予不同的权重。各影响因子及权重的取值可由主观经验、客观方法或综合途径给出,具体本实施例不做限定。
步骤3:分别计算各项证据影响因子与正理想解、负理想解之间的欧式距离:
步骤4:根据所述欧式距离,确定确定证据有效性因子Cm:
需要说明的是,cm值越小,表示证据有效性越高。
进一步的,设置获得的证据矩阵中的每个证据值anm在[0,1]内取值,n=1,2,…,N,m=1,2,…,M,其中,1表示很可能对我作战单元进攻、0表示几乎不会对我作战单位进攻,这里的1和0均可进行明确的区分,而1、0和其均值0.5则为区分界限。当取值为0.5时,可以认为是不易区分的。本实施例中,在考虑有效性、可信性因子时,将非完全有效、非完全可行的取值结果向0.5靠近。
具体的,确定证据矩阵AN×M={an,m}中每个证据的初值anm,n=1,2,…,N,m=1,2,…,M,且大于等于零小于等于1,在[0,1]内取值,1表示很可能对甲方进攻,0表示几乎不会对甲方进攻,N为要识别的空间群目标数,M为待识别目标所具有的证据数;当anm为1时,证据取值为:当anm为0时,证据取值为:其中,为第n个待识别目标所对应的第m个目标证据取值。
S204,根据所述证据取值计算目标的决策值。
在进行了证据有效性评估的基础上,将评估结果作用于证据矩阵,计算目标的决策值。
针对每个待识别的目标,根据所对应的证据取值,计算相应的决策值,第n个待识别目标的决策值Zn由下列公式确定:
S205,根据所述目标的决策值,确定空中相互作用群。
具体的,确定决策判断门限H,根据所述目标的决策值Zn和所述决策判断门限H,判断是否对我方防空部队进攻;
将所有判断为很可能对我防空部队进攻的目标所在的空间群确定为相互作用群。
作为一种优选示例,可由下列公式确定是否对我方防空部队进攻:
其中,所述决策判断门限H可由下列公式确定:
作为一种优选的示例,M为9,H为4.5。
作为一种优选的示例,在经过上述步骤,识别出空中相互作用群之后,即对于所有决策判断为很可能对我防空部队进攻(即达成一致性)的目标所在的空间群识别为相互作用群之后,不断跟踪、持续监视,并做动态调整和及时调整。
经过上述步骤,引入了证据有效性因子,进行证据真实性评估,从而获得更加科学、合理的识别结果,更为全面、准确地识别出空中相互作用群,提高相互作用群的识别效率。
下面结合具体的实例对上述步骤进一步说明。
设我防空作战部队面对敌方4个空中目标空间群,包括巡航导弹空间群、反舰导弹空间群、歼击机空间群和歼轰机空间群。
根据敌方空中目标类型及情报,认为巡航导弹空间群、反舰导弹空间群、歼击机空间群和歼轰机空间群都可能对我进行攻击。所获得的相关证据参数如表1,空间分布图如图3所示。
表1敌方空中目标的相关证据参数
将敌方目标划分为4个空间群,每个空间群的证据参数为各目标属性证据的平均值,如表2所示。
表2敌方空中目标空间群的相关证据参数
在没有考虑证据真实性(即全部完全可信)的条件下,建立证据矩阵,如表3所示:
表3空中目标进攻企图的竞争性假设分析矩阵表
在所有证据全部完全可信的情况下,针对每个待识别的目标空间群,计算其所对应的证据取值,可获得相应的决策值,再与决策判断门限值H=4.5进行比较,即可得到敌方空中目标空间群的决策向量,结果如表4所示。其中,1表示很可能对我攻击,0表示几乎不会对我攻击。
表4未考虑证据真实性条件下对敌方空中目标空间群识别的决策向量
目标名称 | 巡航导弹空间群 | 反舰导弹空间群 | 歼击机空间群 | 歼轰机空间群 |
决策值 | 0 | 1 | 1 | 1 |
根据表4的分析结果,初步认为空间群2、3、4有可能对我进行攻击,引入可信性因子并对其进行取值,如表5所示。
表5各识别证据真实性分析矩阵表
计算过程中,定义我方侦察能力不足、敌方非故意产生不确定性、敌方故意隐真示假为证据真实性影响因子,每个因子均在[0,5]之间取整数值,0和5分别表示证据真实可信和不真实可信,将证据真实性各影响因子取值为0和5的解分别记为正、负理想解。调整后的结果见表6.
表6各识别证据真实性分析矩阵表
在设置了证据真实性因子的基础上,将其加入到敌方空中目标证据矩阵中,在与决策判断门限值H=4.5进行比较后,综合运算得到新的决策向量,结果如表7所示。
表7考虑证据真实性条件下对敌方空中目标空间群识别的新决策向量
目标名称 | 巡航导弹空间群 | 反舰导弹空间群 | 歼击机空间群 | 歼轰机空间群 |
决策值 | 0 | 1 | 0 | 1 |
根据表7所示,空间群2和空间4群很可能对我防空部队进行攻击,因此,空间群2和空间群4构成空中相互作用群。将表4和表7进行分析对比,得到的结果如图4和图5所示。从表4、7和图4、5中可以看出,红色空间群表示很可能对我防空部队进行攻击的空间群,在未引入证据真实性因子评估结果的情况下,得到的初步结论是很可能对我方水面舰艇部队进行攻击的空间群为空间群2、3、4,在引入证据真实性因子评估结果的情况下,利用竞争性假设分析对空中相互作用群进行识别,识别出很可能对我防空部队进行攻击的空间群为空间群2、4。
实施例二
基于同一个发明构思,本发明实施例还提供了一种空中相互作用群的识别***,如图6所示,该***包括:
包括处理器602、采集器601、存储器603及存储在所述存储器603上并可在所述处理器602上运行的程序;其中,采集器601通过总线接口与处理器602和存储器603连接。
采集器601用于在所述处理器的控制下采集信息;
所述处理器602用于读取所述存储器603中的程序,执行下列过程:
确定相关证据信息;
根据所述证据信息构建证据矩阵;
计算所述证据矩阵的证据取值;
根据所述证据取值计算目标的决策值;
根据所述目标的决策值,确定空中相互作用群。
需要说明的是,在图6中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器602代表的一个或多个处理器和存储器603代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。处理器602负责管理总线架构和通常的处理,存储器603可以存储处理器602在执行操作时所使用的数据。
所述处理器602,还用于读取所述存储器603中的程序,执行所述程序时,实现实施例一中空中相互作用群的识别方法的所有方法和步骤,相同之处不再赘述。
需要说明的是,实施例二提供的***与实施例一提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,实施例二提供的***能实现实施例一的所有方法,相同之处不再赘述。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (7)
1.一种空中相互作用群的识别方法,其特征在于,包括:
确定相关证据信息;
根据所述证据信息构建证据矩阵;
计算所述证据矩阵的证据取值;
根据所述证据取值计算目标的决策值;
根据所述目标的决策值,确定空中相互作用群;
所述计算所述证据矩阵的证据取值包括:
确定证据有效性因子;
根据所述证据有效性因子,计算所述证据矩阵的证据取值;
所述确定证据有效性因子,具体包括:
设置证据影响因子矩阵LB×M={lb,m},其中b=1,2,…,B,m=1,2,…,M,B为各项证据的影响因子数;
分别计算各项证据影响因子与正理想解、负理想解之间的欧式距离:
根据所述欧式距离,确定证据有效性因子Cm:
所述根据所述证据有效性因子,计算所述证据矩阵的证据取值,具体包括:
确定证据矩阵AN×M={an,m}中每个证据的初值anm,n=1,2,…,N,m=1,2,…,M,且大于等于零小于等于1,N为要识别的空间群目标数,M为待识别目标所具有的证据数;
2.根据权利要求1所述的方法,其特征在于,所述根据所述证据信息构建证据矩阵,包括:
设置目标各项证据的决策门限值,并构建证据矩阵AN×M={an,m},其中N为要识别的空间群目标数,M为待识别目标所具有的证据数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标的决策值,确定空中相互作用群,具体包括:
确定决策判断门限H;
根据所述目标的决策值Zn和所述决策判断门限H,判断是否对我方防空部队进攻;
将所有判断为很可能对我防空部队进攻的目标所在的空间群确定为相互作用群。
6.根据权利要求1到5之一所述的方法,其特征在于,确定空中相互作用群之后,还包括:
对所述空中相互作用群进行跟踪和监视,并根据跟踪和监视的结果对所述空中相互作用群进行调整。
7.一种空中相互作用群的识别***,其特征在于,包括:
处理器,存储器和采集器;
所述采集器在所述处理器的控制下采集信息;
所述存储器存有可由所述处理器读取并执行的程序;
所述处理器执行所述程序时,实现如权利要求1到6之一所述的空中相互作用群的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010748479.2A CN111931831B (zh) | 2020-07-30 | 2020-07-30 | 一种空中相互作用群的识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010748479.2A CN111931831B (zh) | 2020-07-30 | 2020-07-30 | 一种空中相互作用群的识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111931831A CN111931831A (zh) | 2020-11-13 |
CN111931831B true CN111931831B (zh) | 2022-12-23 |
Family
ID=73315259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010748479.2A Expired - Fee Related CN111931831B (zh) | 2020-07-30 | 2020-07-30 | 一种空中相互作用群的识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931831B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN109063819A (zh) * | 2018-08-02 | 2018-12-21 | 中国人民解放军32153部队 | 基于贝叶斯网络的任务共同体的识别方法 |
CN110244294A (zh) * | 2019-06-24 | 2019-09-17 | 中国人民解放军空军工程大学航空机务士官学校 | 一种多传感器的量测数据的关联方法 |
CN110874698A (zh) * | 2019-11-21 | 2020-03-10 | 国网福建省电力有限公司 | 一种具有抗逆序及权重自适应的黑启动方案评估方法 |
CN111125453A (zh) * | 2019-12-27 | 2020-05-08 | 中国电子科技集团公司信息科学研究院 | 基于子图同构的社交网络中意见领袖角色识别方法及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7328200B2 (en) * | 2003-10-27 | 2008-02-05 | Hrl Laboratories, Llc | Apparatus, method, and computer program product for converting decision flowcharts into decision probabilistic graphs |
-
2020
- 2020-07-30 CN CN202010748479.2A patent/CN111931831B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN109063819A (zh) * | 2018-08-02 | 2018-12-21 | 中国人民解放军32153部队 | 基于贝叶斯网络的任务共同体的识别方法 |
CN110244294A (zh) * | 2019-06-24 | 2019-09-17 | 中国人民解放军空军工程大学航空机务士官学校 | 一种多传感器的量测数据的关联方法 |
CN110874698A (zh) * | 2019-11-21 | 2020-03-10 | 国网福建省电力有限公司 | 一种具有抗逆序及权重自适应的黑启动方案评估方法 |
CN111125453A (zh) * | 2019-12-27 | 2020-05-08 | 中国电子科技集团公司信息科学研究院 | 基于子图同构的社交网络中意见领袖角色识别方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111931831A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783020B (zh) | 一种多维特征的战场实体目标分群方法及*** | |
CN110232518A (zh) | 一种基于三支决策的威胁评估方法 | |
CN108594645B (zh) | 单场站多无人机分配与飞行路线的规划方法及*** | |
CN108460425A (zh) | 基于特定网络结构的空地态势评估方法 | |
US20150234388A1 (en) | Aircraft control device, aircraft, and method for controlling aircraft | |
CN114139023B (zh) | 一种基于Louvain算法的海上态势生成多目标层次化分群方法 | |
CN105739304B (zh) | 一种基于对立思想改进遗传算法的多ucav在线打击目标分配方法 | |
CN111931831B (zh) | 一种空中相互作用群的识别方法及*** | |
CN110008985A (zh) | 基于改进d-s证据理论规则的舰载机群目标识别方法 | |
CN114494771B (zh) | 一种可防御后门攻击的联邦学习图像分类方法 | |
CN107273914B (zh) | 基于信源自适应动态选择的高效融合识别方法 | |
CN110852574B (zh) | 一种基于改进灰靶理论的目标威胁评估方法及介质 | |
CN113177583A (zh) | 一种空中目标聚类分群方法 | |
CN113065094A (zh) | 一种基于累积前景价值和三支决策的态势评估方法与*** | |
CN114358127A (zh) | 一种空中任务群组识别方法 | |
AU2021102799A4 (en) | Method for clustering battlefield entity targets based on multidimensional features and system thereof | |
CN116389093A (zh) | 一种联邦学习场景下防御拜占庭攻击的方法和*** | |
CN116739428A (zh) | 一种主客观赋权的变权topsis炮兵火力打击目标价值分析方法 | |
CN112967290A (zh) | 一种可用于无人机对空中目标飞机敌友自动识别的方法 | |
CN114090967A (zh) | 一种基于pso-msvm的apt组织追踪溯源方法及*** | |
Wang et al. | Swarm refinement PSO for solving N-queens problem | |
CN109327476A (zh) | 一种信息***遭受Web攻击风险的评估方法及*** | |
CN113158574B (zh) | 一种面向边缘计算***的安全评估方法 | |
CN114879747B (zh) | 一种基于具体限定条件下的落位点寻址方法 | |
Wang et al. | PerVK: A Robust Personalized Federated Framework to Defend Against Backdoor Attacks for IoT Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information |
Inventor after: Yang Lu Inventor after: Zhu Feng Inventor before: Yang Lu |
|
CB03 | Change of inventor or designer information | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221223 |