学位论文 > 优秀研究生学位论文题录展示
基于动态贝叶斯网络方法的战场态势重构技术研究
作 者: 李亮
导 师: 代冀阳
学 校: 南昌航空大学
专 业: 控制理论与控制工程
关键词: 战场态势 态势重构 动态贝叶斯网络 战场要素模型
分类号: TP18
类 型: 硕士论文
年 份: 2013年
下 载: 45次
引 用: 0次
阅 读: 论文下载
内容摘要
复杂战场的态势自动重构是衡量现代化战争中指挥自动化系统好坏的一个重要的方面。现代信息化的战争中,战场的信息源非常的众多,各种信息都在不断的变化中,它们的不确定性,使得进行战场态势的评估重构是个非常大的挑战。在这种情况下,我们怎么对战场态势进行一个全面的评估重构是亟待解决的问题。在态势重构的过程中,进行察觉、理解、预测的过程是需要借助于大量的不确定的目标信息,但是如何对这些实时变化的信息进行合理的处理是我们整个态势重构的关键技术难点。本文主要研究动态贝叶斯网络方法在战场态势自动重构中的应用。贝叶斯网络方法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起来的,具有良好的随时间演化的能力,通过利用动态贝叶斯网络拓扑结构进行不断学习,来降低整个态势重构过程中的不确定性。该方法为本文的研究提供了强有力的理论支持。本文完成的主要工作及内容包括:(1)介绍态势重构方面相关知识,首先全面详细的说明的态势重构的定义,从态势察觉、态势理解和态势预测三个方面构建了态势重构的功能模型,并且详细的阐述了每个功能模块需要完成的功能,接下来根据现实战场的环境建立了典型战场要素模型,能够将此模型应用到复杂战场态势重构的过程中。(2)研究了贝叶斯网络的相关知识,从概率网络入手介绍了贝叶斯网络的优点以及其构建方法,延伸到动态贝叶斯网络在战场态势重构方面的优点以及其特点。(3)基于动态贝叶斯网络的态势重构的案例评估分析。以导弹精确打击海上目标这一动态过程为背景进行分析阐述验证。仿真的结果表明了运用动态贝叶斯网络方法的可行性与合理性。(4)通过将静态贝叶斯网络推理方法下的仿真结果和动态贝叶斯网络的结果进行对比和分析,来验证在所探测到的信息不确定的前提条件下,动态贝叶斯网络比静态贝叶斯网络推理更加有效。
|
全文目录
摘要 3-4 Abstract 4-8 第1章 绪论 8-16 1.1 课题研究目的和意义 8-9 1.2 相关领域国内外研究现状 9-14 1.2.1 态势自动重构技术的研究现状 9-12 1.2.2 贝叶斯网络研究现状 12-14 1.2.3 文献综述小结 14 1.3 研究目标与研究内容 14-15 1.4 论文的结构安排 15-16 第2章 态势重构理论介绍 16-30 2.1 态势重构的简介 16-18 2.1.1 态势的概念 16-17 2.1.2 态势重构的阐述 17-18 2.2 态势重构的问题分析 18-23 2.2.1 态势察觉 19-21 2.2.2 态势理解 21-22 2.2.3 态势预测 22-23 2.3 典型战场要素模型建立 23-28 2.3.1 地面(海面)威胁模型 24 2.3.2 空中威胁模型 24-25 2.3.3 导弹模型 25-26 2.3.4 环境中的山地山丘模型 26-27 2.3.5 海船等舰船的模型 27-28 2.3.6 海浪和沙丘等起伏面的模型 28 2.4 态势重构推理算法 28-29 2.4.1 态势重构的结构特点 28-29 2.4.2 推理算法的特点 29 2.5 结论 29-30 第3章 贝叶斯网络研究 30-42 3.1 概率网络 30-35 3.1.1 一般结构 31-32 3.1.2 主要用途 32-33 3.1.3 定性和定量分析 33-35 3.2 贝叶斯网络(BN) 35-38 3.2.1 贝叶斯网络的优点 37 3.2.2 贝叶斯网络的构建 37-38 3.3 动态贝叶斯网络(DBN) 38-41 3.3.1 动态贝叶斯网络的概念 38-39 3.3.2 动态贝叶斯网络的学习 39-40 3.3.3 动态贝叶斯网络的特点 40-41 3.4 结论 41-42 第4章 态势重构系统设计及仿真 42-56 4.1 推理模型 42-44 4.2 评估模型 44-45 4.3 网络条件概率矩阵 45-46 4.4 对比与分析 46-55 4.4.1 静态贝叶斯网络推理方法态势 46-50 4.4.2 动态贝叶斯网络推理方法态势 50-55 4.5 结论 55-56 第5章 结论与展望 56-58 5.1 结论 56 5.2 展望 56-58 参考文献 58-61 发表论文和参加科研情况说明 61-62 致谢 62-64
|
相似论文
- 多传感器信息融合及其在可穿戴计算机上的应用,TP202
- 三维战场态势分析与推演系统,P208
- 无线通信技术在战场演习辅助裁决系统中的应用研究,TN92
- 基于Bayesian的基因调控网络的研究,Q78
- 基于动态贝叶斯模型的基因调控网络构建方法研究,Q75
- 基于序贯贝叶斯方法的视频目标跟踪与行为识别,TP391.41
- 基于Pub/Sub的战场态势信息分发方法与原型系统研究,TP399-CB
- 基于GIS和RS的战场态势信息系统研究,TP399-CB
- 具有情感的自主化虚拟人关键技术研究,TP391.9
- 基于用户浏览路径的协同过滤推荐技术研究,TP393.092
- 肿瘤基因芯片表达数据分析相关问题研究,R341
- 基于数据几何特性的概率推理和统计学习研究,TP181
- 机载多传感器数据融合态势评估关键技术研究,TP202
- 基于MAS的列控系统安全分析平台架构和关键算法研究,U284.48
- 基于动态贝叶斯网络的隧道盾构施工诱发变形分析,U455.43
- 基于离散动态贝叶斯网络的信息安全风险评估方法的研究,TP309
- 海军航空兵作战指挥模拟系统的设计与实现,TP311.52
- 一类动态贝叶斯网络模型及其应用研究,TP391.41
- 基于动态贝叶斯网络的锂离子电池SOH估计,TM912
- 基于动态贝叶斯网络的战场信息预测与评估,E91
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|