基于离散模糊动态贝叶斯网络的空战态势评估及仿真

自动准确地进行空战态势评估是无人作战飞行器（UCAV）自主作战，或有人作战飞行器（MCAV）的辅助作战决策系统必须解决的技术，也是进行威胁评估和战斗决策的基础。为了解决空战态势评估的建模和实现问题，提出了用模糊动态贝叶斯网络实现空战自动态势评估的方法，推导了离散模糊动态贝叶斯网络的推理算法，建立了空战白动态势评估的离散模糊动态贝叶斯网络模型，并进行了仿真验证。仿真结果表明，依据离散模糊动态贝叶斯网络所建立的空战态势评估模型，能够准确地跟踪战场态势的变化，及时发现态势的转换边界，而且在观测值出现偶然误差或者错误时，仍然可以给出正确的评估结果。     

基于贝叶斯网络的态势评估

作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能。根据态势与事件之间不同的连接关系建立了态势评估的贝叶斯网络模型,并分别介绍了相应的信息传播算法,最后以一个实例来说明该网络的计算过程。     

基于模糊约束的贝叶斯网络参数学习

针对小样本下贝叶斯网络参数学习结果不准确的问题,提出一种模糊最大后验估计方法,该方法将模糊理论引入到参数学习中,通过对约束效力的度量,利用隶属度函数来确定超参进行学习,以提高约束使用的准确性。实验证明,所提方法可以有效提高参数学习的精度。除此之外,将所提方法应用到网络安全评估中,将通用漏洞评分系统作为专家先验参数,结合漏洞信息迁移样本来进行参数学习。最后,通过节点和路径安全评估验证了所提方法的有效性。     

基于贝叶斯模型的动态背景检测

利用贝叶斯模型结合核密度函数理论，给出了在复杂的动态背景下检测出运动目标的方法。首先，在图像相关性的基础上，利用非参数核密度估计的方法，建立前景和背景的棱密度函数，再利用贝叶斯理论，估计出背景和前景的先验概率，两者相结合得到一个估计的阁值，从而实现目标和背景的分类。该方法对阈值的选取进行了理论分析，实验证明，提出的方法能够在动态背景中准确地检测出目标。     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

基于贝叶斯网络的系统可靠性评估方法研究

为了有效评估动态系统要素间的复杂行为和交互特性,提出了一种基于贝叶斯网络(Bayesian Network,BN)的可靠性建模与分析的新方法.该方法利用BN的不确定性推理和图形化表达的优势,能够很好地捕捉系统要素的行为与交互,以结构的方式组合各种基本BN架构为用户提供模块化和分级的途径对系统进行建模.实验结果表明该方法的可行性和有效性.从而提高了系统的灵敏度,减少了其不确定性.     

贝叶斯网络个人信用评估模型

研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较.结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势.     

基于贝叶斯网络的概率安全评估方法研究

针对传统的事件树/故障树分析方法的局限性,提出了基于贝叶斯网络的系统概率安全评估方法.该方法采用了一体化的建模思想,将故障树和事件树转化为贝叶斯网络进行分析,不仅可以得到常用的安全性分析结果,还可以得到其他有用的信息,非常便于推理和诊断.而且该方法还可以处理多态、相依、非单调和非确定性逻辑关系,有很强的适用性.通过1个油井平台瓦斯泄漏实例说明了该方法的有效性,并与传统的故障树/事件树分析方法和基于二元决策图的分析方法进行了比较.     

目标数据缺失下离散动态贝叶斯网络的参数学习

离散动态贝叶斯网络参数学习的难点在于:隐藏节点的片间转移概率获得及观测数据发生不同程度缺失。针对上述问题,提出基于目标缺失数据估计的前向递归参数学习算法。该算法利用离散动态贝叶斯网络中各观测变量与隐藏变量之间的对应关系,采用支持向量机建立观测变量间的非线性函数关系完成缺失数据估计,此基础上利用完整数据集和前向递归算法完成片内和片间参数更新。以空中目标识别为仿真背景,通过与期望最大算法对比,验证了该算法的学习效率和精度两个方面的优势。     

基于贝叶斯网络的威胁等级评估算法研究

阐述了基于贝叶斯网络专家系统的特点。研究了基于贝叶斯网络的推理模型以及基于此模型的推理算法。利用该算法构建了威胁等级评估模型，并进行了实例计算。研究结果表明，基于贝叶斯网络的威胁等级评估算法是一种有效的评估算法，其结果能够比较准确的反映威胁源的真实威胁程度。     

雷达电子战效果及效能评估的一般性思考

研究了雷达电子战中效果及效能评估的基本理论和方法。首先针对评估问题的本质特征作了深入的思考,指出了评估的"价值论"成分以及非线性泛函映射等诸多特点,并且研究了评估指标体系和方法体系的构成问题。然后提出了"评估指标空间"的概念,并从不同角度构建了突防中相控阵雷达系统的抗干扰性能评估指标体系。这些一般性思考有利于评估研究的进一步深入。     

面向非协作多功能雷达的波形单元提取方法

针对当前波形单元提取技术难以应用于非协作多功能雷达(multi-function radar, MFR)实侦数据的问题, 构建了基于MFR多参数序列的二分类模型, 在此基础上提出了一种自适应确定输入参数的密度聚类算法进行分类。该方法无需依靠MFR波形库的先验知识, 采用无监督学习的方式提取波形单元。同时, 充分利用多参数间的联合变化和数据集的整体分布信息提高算法鲁棒性, 并通过引入输入参数λ可对不同用户需求调整算法性能。仿真实验表明, 该算法可以有效地提取非协作MFR波形单元, 同时能够适应测量误差和脉冲丢失的干扰, 具有良好的鲁棒性和准确性, 有利于实际工程应用。     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

基于学习行为的动态资产组合选择

在不完全信息下,研究了风险资产收益前两阶矩的参数不确定性对动态资产组合选择的影响.在连续时间下假设资产的价格服从随机扩散过程,引入参数不确定性,利用随机动态规划方法推导出风险资产最优配置的封闭解,使投资者的终期财富期望幂效用最大;在离散时间下假设风险资产的连续复合月收益率服从独立同分布的正态分布,通过贝叶斯学习准则,以上证综合指数不同区间段的两个样本做实证研究.研究表明,当投资者的风险规避程度大于(小于)对数效用时,参数不确定性将导致负(正)的投资期效应;当投资者在估计过程中运用较多的历史数据、或者风险规避程度增加时,参数不确定性的影响将减弱;收益一阶矩的不确定性影响较其二阶矩强.研究突出了参数不确定性在动态资产组合选择过程中的重要性.     

边扫描边跟踪雷达系统建模与仿真

利用系统仿真工具进行雷达系统建模与仿真，可以经济、方便、高效地实现雷达系统的性能评估、方案论证等工作，大大提高设计的可靠性，保证产品在最高层次上的正确性和所设计的产品获得最佳性能，并可缩短设计周期，降低开发成本。这里以边扫描边跟踪雷达系统的仿真为例，建立了边扫描边跟踪雷达的全数字仿真系统，该系统可以模拟雷达目标回波、欺骗性干扰、杂波等信号，完成对目标的搜索，得到了运动目标的距离、速度和角度等信息，并完成了对目标的跟踪，最后对系统输出的距离、速度和角度等信息做了精度分析。     

SAR图像相干斑抑制滤波性能评价

为了评价合成孔径雷达(syntheticapertureradar,SAR)图像相干斑滤波算法性能,提出了一个性能评价体系,其中包含9项指标:等效视数(或平滑指数)、辐射分辨率、信号杂波比损失、信号辐射度损失、均值偏差、空间分辨率损失、边缘保持指数、峰值旁瓣比偏差、积分旁瓣比偏差。该评价体系能同时衡量各滤波算法对相干斑的抑制程度以及对图像原始信息的保持程度。通过用真实图像和模拟SAR图像对典型相干斑滤波算法的检验,表明了评价指标的有效性。     

基于Bayes近似限法的串联系统置信区间的求解

运用基于Bayes的方法对红外空空导弹进行抗干扰性能评估时,只能分别得到导引头和导弹控制系统的抗干扰概率P<,g>、P<,c>及其置信区间,而难以求出导弹复杂系统的抗干扰概率在一定的置信度下的置信区间.针对该问题,提出用Bayes近似限的方法拟合导弹导引头、控制系统的整个串联系统的抗干扰概率的分布,得出该复杂系统的置信度为y的近似置信区间的求解公式,并给出导弹串联系统数字仿真中抗干扰概率的置信区间的求解实例,对该求解方法的正确性进行了验证.     

动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。     

一体化管理系统动态综合评价新方法

由于一体化管理体系综合绩效评价的多层次、多指标、不确定性和属性复杂的特点,要给出一个满意的评价是困难的,本文基于证据理论的动态综合模糊评价方法;给出了具体的评价步骤:按指标属性将评价指标区分为定性和定量两类;对各指标进行量化,一致性和无量纲化处理;从评价体系准则层开始进行动态立体综合评价;逐层合成综合绩效值.最后通过实例说明该方法的实用性和科学性.