论文题目: 基于贝叶斯网络的态势估计方法研究
论文类型: 博士论文
论文专业: 信息与通信工程
作者: 孙兆林
导师: 郁文贤
关键词: 态势估计,数据融合,贝叶斯网络,用于态势估计的贝叶斯网络,不确定性推理,时间推理,时间贝叶斯网络
文献来源: 国防科学技术大学
发表年度: 2005
论文摘要: 在态势估计二十多年的发展历程中,人工智能理论和技术的每一项新进展都对这一极具挑战性的战场辅助决策支撑技术的研究产生了巨大的推动作用。尽管态势估计领域取得了许多令人瞩目的成就,但是由于知识表示和推理等方面存在的困难,至今尚没有一个统一、通用的理论框架,这极大地制约了态势估计的发展。随着贝叶斯网络技术在知识表示方法和推理算法方面的不断成熟,基于贝叶斯网络技术的态势估计方法成为了态势估计领域中的研究热点。本文以实现快速、高效、智能的战场态势估计系统为目标,针对基于贝叶斯网络技术的态势估计方法中的主要问题展开研究,构建基于贝叶斯网络的军事态势估计系统。论文主要研究内容如下:1.对态势估计功能模型进行研究,分析态势估计各阶段需要处理的军事事件以及对兵力编群的处理;针对现有态势假设模型无法表达我方对抗性行动的问题,提出交互性态势假设模型,指出战场态势估计过程是敌我双方作战行动相互对抗、相互作用的交互过程:在贝叶斯网络模型表述方法的基础上,给出SABN的数学模型及其描述。详细阐述了模型的内涵和模型构成要素,对SABN中的节点类型进行分析并对其进行分类,同时讨论了SABN中的有向边和条件概率表;分析SABN模型特点,指出因果方式贝叶斯网络更适合态势估计过程。2.针对主观贝叶斯方法、模糊集合理论、D-S证据理论等三种当前主要的不确定性信息处理方法展开研究,分析其不确定性信息处理过程,以贝叶斯网络框架对这几种不确定性推理方法进行统一表示。给出主观贝叶斯、模糊集合和证据理论的推理规则在贝叶斯网络中的表示方法,并给出相应条件概率计算方法;给出基于模糊集合和证据理论所获得的证据不确定性在贝叶斯网络中的表示方法,并给出相应先验概率。3.分析军事态势估计领域中贝叶斯网络学习方法存在的困难,讨论人工构建SABN的方法;分析模板模型和Laskey的网络片段技术,针对存在的问题,提出基于TOP-DOWN和BOTTOM-UP思想相结合的方法,自动构建分级分层SABN;提出分级分层SABN模型,给出组成该模型的贝叶斯网络模块定义及其分类,讨论了贝叶斯网络模块模板库的结构,研究了不同类型网络模块的构建方法;针对态势估计过程获得的战场军事事件集合,给出贝叶斯网络模块搜索和实例化算法,以及实例化后的网络模块的组合方法,构建用于态势估计的贝叶斯网络;在此基础上,给出一个示范性的实例,验证了我们所提出方法的有效性。4.分析现有时间推理方法,指出基于区间代数理论的时间推理方法更符合态势估计系统的特点;以区间代数理论和贝叶斯网络技术为基础,针对概率时间网络理论中存在的网络结构和推理方法过于复杂的问题,对其理论进行改造;引入时间语义,将贝叶斯网络改造为时间贝叶斯网络,并建立了时间贝叶斯网络定义体系;通过实例描述,给出应用时间贝叶斯网络对传统贝叶斯网络进行改造的方法:给出态势估计过程中最常见的相互排他过程模型和定义,应用时间贝叶斯网络进行时间推理。5.结合论文的研究成果,设计并实现了一个态势估计系统STAB。该系统可以独立于剧情,具有很强的通用性和可扩展性。
论文目录:
摘要
ABSTRACT
第一章 绪论
§1.1 引言
1.1.1 态势估计定义
1.1.2 态势估计与威胁估计
§1.2 态势估计研究内容与存在的问题
1.2.1 认知模型
1.2.2 功能模型
1.2.3 知识表示技术
1.2.4 推理技术
1.2.5 系统实现方法
§1.3 基于贝叶斯网络的态势估计方法
1.3.1 贝叶斯网络研究现状
1.3.2 基于贝叶斯网络的态势估计方法需要解决的主要问题
§1.4 论文内容安排
第二章 用于态势估计的贝叶斯网络理论与方法
§2.1 态势估计功能模型
2.1.1 态势觉察
2.1.2 态势理解
2.1.3 态势预测
§2.2 交互性态势假设模型
2.2.1 交战双方企图的逻辑结构
2.2.2 交互性态势假设模型的一般结构
§2.3 贝叶斯网络理论
2.3.1 贝叶斯定理
2.3.2 贝叶斯网络
§2.4 用于态势估计的贝叶斯网络
2.4.1 SABN的一般表达方式
2.4.2 SABN的数学描述
2.4.3 SABN构建的一般问题
§2.5 本章小结
第三章 不确定性推理方法的统一表示
§3.1 引言
§3.2 主观贝叶斯方法的贝叶斯网络表示
3.2.1 不确定性的主观贝叶斯度量方法
3.2.2 主观贝叶斯方法的贝叶斯网络表示
§3.3 模糊集合理论的贝叶斯网络表示
3.3.1 不确定性的模糊集合理论度量方法
3.3.2 模糊集合理论的贝叶斯网络表示
§3.4 证据理论的贝叶斯网络表示
3.4.1 不确定性的证据理论度量方法
3.4.2 证据信息的贝叶斯网络表示
§3.5 本章小结
第四章 SABN构建方法研究
§4.1 SABN模块模板库的构建
4.1.1 基于模板模型的SABN
4.1.2 分级分层SABN模型
4.1.3 贝叶斯网络模块模板库
4.1.4 贝叶斯网络模块构建
§4.2 基于BOTTOM-UP方法动态构建SABN
4.2.1 实例化网络模块
4.2.2 组合贝叶斯网络模块
§4.3 一个示范性实例
§4.4 本章小结
第五章 时间推理
§5.1 引言
§5.2 时间贝叶斯网络定义
5.2.1 时间贝叶斯网络中的节点与有向边
5.2.2 时间贝叶斯网络
§5.3 时间贝叶斯网络构建与推理方法
5.3.1 问题描述
5.3.2 时间贝叶斯网络构建
5.3.3 时间贝叶斯网络推理
§5.4 相互排他过程时间推理
5.4.1 相互排他过程模型
5.4.2 相互排他过程TBN构建与推理方法
§5.5 本章小结
第六章 系统、结论与展望
§6.1 态势估计系统
6.1.1 总体设计
6.1.2 数据池设计
6.1.3 系统仿真
§6.2 研究工作总结
§6.3 下一步工作展望
参考文献
致谢
攻读博士学位期间撰写的论文
发布时间: 2008-05-12
参考文献
- [1].基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学2003
- [2].面向智能数据处理的贝叶斯网络研究与应用[D]. 李小琳.吉林大学2005
- [3].贝叶斯网络研究[D]. 黄友平.中国科学院研究生院(计算技术研究所)2005
- [4].保护隐私的贝叶斯网络学习研究[D]. 王红梅.天津大学2006
- [5].贝叶斯网络应用基础研究[D]. 董立岩.吉林大学2007
- [6].基于贝叶斯网络的概率安全评估方法及应用研究[D]. 周忠宝.国防科学技术大学2006
- [7].选择性贝叶斯分类算法研究[D]. 陈景年.北京交通大学2008
- [8].贝叶斯网络结构学习算法研究[D]. 刘峰.北京邮电大学2008
- [9].基于贝叶斯网络的故障智能诊断方法研究[D]. 张德利.华北电力大学(河北)2008
- [10].贝叶斯网学习若干问题研究[D]. 贾海洋.吉林大学2008
标签:态势估计论文; 数据融合论文; 贝叶斯网络论文; 用于态势估计的贝叶斯网络论文; 不确定性推理论文; 时间推理论文; 时间贝叶斯网络论文;